基于瓦斯涌出时间序列的煤与瓦斯突出预测方法研究

基于瓦斯涌出时间序列(简称G序列),研究了利用G线图、移动平均线模型和综合法进行煤与瓦斯突出预测的方法。研究表明:G序列G线图法可实时反映瓦斯涌出的细小变化情况,从而可对瓦斯突出前的异常变化特征及时辨识,但是由于瓦斯涌出影响因素复杂,短期内的异常波动并不一定是突出信号,从而容易造成误判。而移动平均线模型以均线系统为基础,通过判别瓦斯涌出浓度在一定时期内的总体变化趋势,揭示煤体中影响煤与瓦斯突出的各因素与突出之间的关系。综合法利用G线图结合移动平均线模型进行突出预测,除G线图和移动平均线本身提供的信息外,结合G线与不同周期的移动平均线的相互穿越发出的一些反转信号,能够更为准确地预报瓦斯突出。

基于非线性STUKF滤波器和ESN算法的耦合预测模型

针对瓦斯浓度时间序列的混沌性,提出一种回声状态网络算法(ESN)和无迹卡尔曼滤波器(UKF)、强跟踪滤波器(STF)耦合的混沌时间序列预测模型。对于一维瓦斯浓度混沌时间序列,采用平均轨道周期的C-C算法在时间域确定重构空间的最佳时间延迟和嵌入维数,在相空间通过非线性回归预测模型拟合瓦斯涌出动力演化轨迹,提出带有渐消因子的非线性STUKF滤波器对ESN联合参数进行最优状态估计。试验结果表明:基于STUKF的ESN瓦斯涌出模型预测方法有效,在STUKF滤波器作用下增强了ESN算法的学习效率、提高了模型的跟踪能力,能达到精度高、鲁棒性好等优点。