[发明专利]一种矿井瓦斯涌出异常的识别方法

说明书

【技术领域】

本发明属于煤矿安全监测与监控技术，具体涉及一种矿井瓦斯涌出异常的识别方法，基于安全监测监控系统实时数据的大数据处理及安全预警应用。

【背景技术】

瓦斯灾害是对矿井生产危害程度最大的灾害之一，严重威胁着煤矿安全生产，目前的矿井安全监测监控是煤矿现场预防瓦斯灾害的重要手段，而安全监测信息的处理与利用也成为了瓦斯灾害预防与控制技术体系中的重要方向。煤矿井下机电、材料硐室等重要地点和采掘工作面等重要区域是井下瓦斯监测的关键位置，传感器以设定监测周期源源不断的向监控主机传输瓦斯监测数据，从而为以大数据处理为手段的安全信息利用创造了基础条件。通过对大量瓦斯监测数据处理来提取瓦斯涌出规律，进而分析瓦斯涌出异常对于瓦斯灾害的预防有着重要的现实意义。

目前的瓦斯监测数据处理与利用研究主要集中在监测数据处理方法、瓦斯灾害信息特征提取和潜在规律挖掘等方面，研究较多采用了时间序列分析方法，主要包括回归分析法、灰色理论与方法、混沌理论、分形理论与方法、机器学习方法、信息融合等等。时间序列分析方法本身的缺陷是没有考虑到通风巷道中瓦斯流动特征，并且针对短期瓦斯浓度预测的精度难以控制，现有方法大多以单一监测点瓦斯监测数据形成的时间序列为对象进行建模，未考虑地质、生产、通风三类重要因素对瓦斯涌出的影响，及其在多因素影响下通风巷道中瓦斯浓度的变化情况，其计算精度的控制能力无法保证，难以提交现场应用。

【发明内容】

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种矿井瓦斯涌出异常的识别方法，推演采掘工作面等井下重要区域瓦斯涌出异常的情况，以提升瓦斯监测信息利用的效率。

本发明采用以下技术方案：一种矿井瓦斯涌出异常的识别方法，其特征在于，包括以下步骤：

S1、将井下不同位置监测点的监测数据序列作为随机变量建立变量集D，以监测点位置的上下游关系建立置信网络结构；

S2、根据步骤S1建立的置信网络结构，将各变量均匀离散化成4个取值区间；

S3、根据步骤S2的取值区间，采用最小二乘法完成网络学习，并计算网络参数来定量表示各监测点位置瓦斯流量大小的依赖程度；

S4、根据步骤S3的网络参数，计算联合概率P以及每个监测点的监测数据序列在不同取值区间上其它各变量的后验概率最大值，判断工作面区域瓦斯涌出大小的整体水平，以及不同位置瓦斯涌出大小的变化；

S5、通过计算工作面和上隅角监测点实时瓦斯监测数据取值的最大后验概率，并与工作面和上隅角监测点历史瓦斯监测数据取值的最大后验概率对比分析，识别瓦斯涌出异常情况用于瓦斯预警。

进一步的，所述步骤S1具体为：将各监测点瓦斯监测数据序列x_t转化为瓦斯流量数据序列Q_t建立变量集D，将变量集D＝{Q_j,Q_z,Q_s,Q_h}按顺序a＝{Q_j,Q_z,Q_s,Q_h}依次加入网络建立置信网络结构，其中，t＝1,2,…，Q_t＝x_t×v×S，v为风速，S为巷道断面积，Q_j为进风巷监测数据序列，Q_z为工作面监测数据序列，Q_s为上隅角监测数据序列，Q_h为回风巷监测数据序列。

进一步的，所述建立置信网络结构具体为：首先加入Q_j，依据通风巷道中流体的流动特征确定Q_z依赖于Q_j，即π(Q_z)＝{Q_j}，并从Q_j画一条有向边到Q_z，以此类推加入其它变量，直至加入变量Q_h，Q_j经过虚拟点Q_x与Q_h连接，Q_x表示实际矿井中可能存在的其它专用巷道。