[发明专利]一种基于小波变换的采空区气体短时预测方法

说明书

本发明公开了一种基于小波变换的采空区气体短时预测方法，包括以下步骤：在采空区布置束管采集气体，得到Osubgt;2/subgt;浓度；将气体随时间的变化看作训练信号，利用小波分解把训练信号分解为近似信号和细节信号；利用ARIMA模型分别预测近似信号和细节信号的变化；利用小波变换对信号进行重构，即得到气体信号的变化规律。本方法可对采空区未来2～3天气体浓度的变化进行短时预测，为煤自燃防控提供充分的准备时间。

技术领域

本发明涉及一种井下煤自燃灾害预警技术，具体涉及一种基于小波变换的采空区气体短时预测方法，属于煤矿安全技术领域。

背景技术

在煤矿井下，煤自燃是影响工作面安全回采的重要灾害之一，其中，采空区是煤自燃频发区域。煤自燃气体信息特征是解读采空区不同状态特性的关键参数，如何在复杂的环境中获取气体变化规律及掌握其内在关联是构建煤自燃预警技术体系的关键内容。采空区煤自燃预警要求具有前瞻性，需要在检测到C₂H₄之前对煤自燃状态进行有效辨识，因此，掌握O₂与CO浓度变化特征变得尤为重要。气体浓度时间序列的有效辨识和判别是研究和解决采空区气体分布问题的基础，将气体浓度随时间的变化当作时间序列信号，利用小波变换可获得信号波在不同时间尺度下的周期性特征和构建短时气体浓度预测模型。

发明内容

本发明的目的是提供一种基于小波变换的采空区气体短时预测方法。

为实现上述目的，本发明采用的技术方案如下：一种基于小波变换的采空区气体短时预测方法，包括以下步骤：

步骤一、在回采工作面支架后方采空区铺设若干组气体采样束管；

步骤二、利用矿井气体束管监测系统采集并分析采空区气体，得到O₂浓度随时间的变化曲线；

步骤三、将气体随时间的变化看作训练信号，采用小波函数进行小波变换，利用小波变换将训练信号分解为近似信号和细节信号；

步骤四、利用ARIMA模型分别预测近似信号和细节信号，得到两组预测信号；

步骤五、再次利用小波变换对步骤四得到的两组预测信号进行信号重构，即得到气体未来的变化趋势。

作为本发明的优选，所述气体采样束管至少布置5组。

作为本发明的优选，所述矿井气体束管监测系统包括自动采样模块和检测分析模块，所述自动采样模块负责采集样气，所述检测分析模块负责对样气进行检测分析。

作为本发明的优选，利用origin软件对训练信号进行信号分解。

作为本发明的优选，采用db4对信号进行小波分解，扩展模式为周期性，分解层数为1。

由于采用单一的ARIMA模型对数据进行预测会产生较大的误差，而小波变换具有多分辨率分析的特点，能够提取原始信号的高频信息与低频信息，在不同时、频域上均具有良好的分辨率，能够弥补ARIMA模型预测中存在的不足。本方法可对采空区未来2～3天气体浓度的变化进行短时预测，为煤自燃防控提供充分的准备时间。

附图说明

图1为本发明的基于小波变换的采空区气体短时预测方法的实施流程图；

图2为工作面束管布置方式；

图3为利用小波变换分解后的数据；

图4为小波变换预测的数据、ARIMA预测的数据与实测数据的对比；

图5为小波变换预测的数据、ARIMA预测的数据与实测数据的箱型图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。