[发明专利]一种用于煤矿掘进工作面瓦斯突出预警的智能分析算法

说明书

本发明涉及一种用于煤矿掘进工作面瓦斯突出预警的智能分析算法，涉及瓦斯预警数据处理系统领域，包括以下步骤：首先对获取的瓦斯参数数据进行归一化处理，利用灰色关联分析方法实现各数据指标的关联度排序，保留关联度大于0.65的数据指标；随后建立瓦斯突出预警的SVM模型，选取RBF核函数；其次是利用自适应粒子群算法计算得到SVM模型的参数，基于得到的计算参数，导入相应步骤所获得的样本数据，进行SVM预警模型训练。最后利用训练好的SVM预警模型实现当前掘进工作面位置的瓦斯突出预警。本专利采用改进的粒子群算法，实现自动寻优选取SVM模型的计算参数，对多维、多源瓦斯数据进行挖掘分析，实现稳定可靠的煤矿掘进工作面瓦斯突出预警。

技术领域

本发明涉及一种用于煤矿掘进工作面瓦斯突出预警的智能分析算法，涉及瓦斯预警数据处理系统领域。

背景技术

近年来，随着煤矿开采水平的延伸和开采深度的增加，瓦斯突出对煤矿安全生产的影响越来越大，瓦斯突出威胁着煤矿工人的生命安全，同时一旦事故发生，也会给国家造成重大的经济损失。一直以来，瓦斯突出的预测研究一直是研究者们研究的重点内容。瓦斯突出是由多种因素共同耦合的一个非线性动态过程，仅依靠某一个或几个指标的组合进行预测其准确性不高，这种方法存在局限性。传统的数据挖掘算法在计算过程中高度依赖参数的选取，更多的是凭借经验进行参数设定，计算求解过程属于陷入局部最小值，从而无法得到全局最优的结果，导致预警结果的稳定性和靠可行有待提高。

煤矿掘进工作面在开采过程中会揭露大量的真实数据，如地质构造、煤层赋存条件、瓦斯参数等，如何有效的利用目前大量、多维、多源的实际历史数据来分析和实现瓦斯突出预警是目前研究的关键点。

发明内容

发明目的：提出一种用于煤矿掘进工作面瓦斯突出预警的智能分析算法，以解决现有技术存在的上述问题，实现稳定可靠的煤矿掘进工作面瓦斯突出预警。

技术方案：提供了一种用于煤矿掘进工作面瓦斯突出预警的智能分析算法，该方法包括以下步骤：

步骤1：获取煤矿掘进工作面人工检测瓦斯参数数据及监测系统瓦斯参数数据，其指标包括地质构造带距离、煤层瓦斯含量、煤的瓦斯放散初速度、K1瓦斯解析量、钻屑量、煤层埋深、煤层厚度、煤的破坏类型、煤体坚固系数、瓦斯浓度等多个维度训练数据以及每组数据对应的瓦斯突出危险等级，危险等级分为安全、一般、重大三个等级，分别用0、0.5、1代表；利用极值化法对获取的数据进行无量纲归一化处理；

步骤2：对各指标数据进行关联性分析；基于归一化处理后的数据，采用灰色关联利分析法分析各指标数据与实验结果关联性，设定关联度大于预定数值的指标数据保留；其它指标数据予以剔除以提高模型的训练效果；

步骤3：建立煤矿掘进工作面瓦斯突出预警的SVM训练模型；

步骤4：通过煤矿掘进工作面瓦斯突出预警SVM模型获得相应的核函数参数σ、b^*；

步骤5：基于步骤4获得的最佳模型参数σ、b^*进行煤矿掘进工作面瓦斯突出SVM模型训练，将步骤2获取的瓦斯指标数据样本导入模型，训练后生成可用于预测的煤矿掘进工作面瓦斯突出预警模型；

步骤6：利用步骤5获得的预警模型进行煤矿工作面瓦斯突出预警；将新采集的瓦斯指标数据输入预警模型，模型自动给出该组数据下对应的预警风险等级。

步骤1中所述极值化法具体运算方式如式一种所示：

式中：p为评价对象，q为评价参数，i＝1，2，…，m，k＝1，2，…，n，x_max和x_min分别是序列的最大值和最小值。

步骤2基于归一化处理后的数据，采用式二、式三的灰色关联利分析法分析各指标数据与实验结果关联性，设定关联度大于0.65的指标数据保留；