[发明专利]一种基于大数据平台的瓦斯突出预测预警方法

摘要

本发明公开了一种基于大数据平台的瓦斯突出预测预警方法，包括以下步骤A、将实时监测数据存储在Hadoop平台 的HDFS分布式文件系统；B、利用线性指数平滑法对实时监测数据进行预处理；C、确定实时监测数据和检测防突数据的周期；D、将一个检测周期内的实时监测数据作为一个数据集合；E、提取每个数据集合中的监测数据特征参数；F、将钻孔瓦斯涌出初速度qmax和最大钻屑量smax与监测数据特征参数结合形成瓦斯突出危险性样本；G、利用BP神经网络进行瓦斯突出预测，得到钻孔瓦斯涌出初速度qmax和最大钻屑量smax的预测值；H、将预测值与煤巷掘进工作面突出危险性参数的临界值进行比较，判断是否预警。本发明提升了煤矿对于瓦斯突出事故的预控能力。

主权项

一种基于大数据平台的瓦斯突出预测预警方法，其特征在于，包括以下步骤：A、将安全监控系统自动采集的实时监测数据存储在Hadoop平台 的HDFS分布式文件系统，并分析实时监测数据是否存在零值数据或缺失数据，如果存在零值数据或缺失数据则进入步骤B，如果不存在零值数据或缺失数据则进入步骤C；B、利用线性指数平滑法对实时监测数据进行预处理，剔除或者替代零值数据，补齐缺失数据，然后进入步骤C；C、分析实时监测数据和检测防突数据的基本特点，分别确定实时监测数据的监测周期和检测防突数据的检测周期，然后进入步骤D；D、根据检测防突数据的检测周期，将属于一个检测周期内的实时监测数据作为一个数据集合，然后进入步骤E；E、提取每个数据集合中的最大值、均值和最大增长速率特征值作为监测数据特征参数，并将各个监测数据特征参数存储在Hadoop平台 的HDFS分布式文件系统，然后进入步骤F；F、将一个检测周期内测定的钻孔瓦斯涌出初速度qmax和最大钻屑量smax与该检测周期内的监测数据特征参数相结合，形成瓦斯突出危险性样本，然后进入步骤G；G、根据瓦斯突出危险性样本，利用BP神经网络进行瓦斯突出预测，得到防突检测参数钻孔瓦斯涌出初速度qmax和最大钻屑量smax的预测值，然后进入步骤H；H、将煤巷掘进工作面突出危险性参数中的钻孔瓦斯涌出初速度qmax和最大钻屑量smax的临界值与预测值进行比较，如果预测值大于等于临界值，则进行瓦斯突出预警，如果预测值小于临界值，则不预警。