基于ARIMA模型的矿井灾害预测方法研究

矿井灾害频发是影响我国煤炭产业发展的重要问题之一,灾前预警技术是目前应对这一问题的主要方法。为进一步提升矿井灾害监测预警能力,提出了基于ARIMA模型的矿井灾害预测方法研究。通过确立灾害风险监测指标构建了安全态势评估指标体系,基于时序预测法建立了灾害预测评估模型,经模型定阶及训练等过程确定最佳ARIMA预测模型参数。通过研究模型残差的正态性分布从而得到预测模型可靠度,将ARIMA(10,0,0)模型与时间序列拟合后进行自相关图和偏自相关图分析,得到了风险灾害未来短期预测结果;提出了“红橙黄蓝绿”5级灾害预警等级和准则,并进行了现场应用试验,结果证明,ARIMA模型对未来值的预测具有较高准确性,系统能及时对灾害进行预测和分级响应,可实现对矿井灾害的风险判别和预测预警。

等离子体对CO消除规律的实验研究

为了保障工人身心健康,改善矿下环境,利用等离子体技术,搭建等离子体消除CO实验平台,通过实验研究等离子体消除CO的效果及影响因素,实验结果表明:输出电压为50 kV、电极材料为铍铜合金时,等离子体对CO的消除效果最佳。风速越大,消除效果越差;随着氧气浓度和湿度的升高,CO消除量呈现上升的趋势,分别在风速0.6 m/s、氧气浓度为20.5%、湿度为30%RH时,CO消除效果最好。

浅埋火区无人机热红外监测温度补偿方法

我国西北地区具有煤层厚度大、埋藏浅等特点,无人机热红外监测与温度补偿是浅埋煤火灾害信息监测的关键技术,对推进煤自燃灾害安全监测与影响范围预警评价有着重要意义。针对复杂环境下多参数对热红外温度监测结果的影响,提出了一种基于灰狼优化—双层广义回归网络与连续高度修正函数相结合的温度补偿模型。基于热红外装置中大气消光系数对接收辐射对比度的影响,选取热红外监测波段下影响温度结果的多种因素,并通过主成分分析法确定累计能够表征实际温度的指标因子,以多种环境下的无人机热红外监测实验中指标因子数据为GWO-双层GRNN网络输入,得到训练完成的离散温度补偿模型,并提出无人机高度的连续修正函数作为模型输入待补偿数据的前置流程,最后将完整温度补偿模型进行了试验与现场验证。结果表明,GWO-双层GRNN网络在数据测试中,离散补偿效果优于其他模型,达到了平均绝对误差≤0.0081、均方根误差≤0.0132、决定系数≥0.9969,表明该模型具有良好的补偿效果;连续修正函数避免了无人机高度对热红外监测结果的影响,将无人机连续高度热红外温度回归问题划分为阶跃式回归计算,且最终模型具有良好的监测精度,提高了温度补偿模型的泛化能力。为应用无人机热红外监测结果划分浅埋煤火危险区域提供了配套计算方法,可进一步将该方法推广至对应的无人机应用与激光监测行业。

煤氧化过程中热物性参数变化规律研究

为了研究煤氧化过程中热物性变化规律,采用LF457激光导热仪测量不同变质程度煤样,在空气与氮气条件下30℃~300℃温度升温过程中的热扩散系数、导热系数与比热容,并确定了热物性参数对温度的敏感性。试验结果表明:在30℃~300℃氮气环境下,随温度的升高,比热容和导热系数逐步提高,而热扩散系数逐渐减小。同时热物性参数的变化率随温度也不断减小。在空气条件下,热扩散系数随温度升高先减小后增大,比热容为逐渐增大后趋于稳定,导温系数持续增大,其中热扩散系数的变化率先降低后增加,导热系数随比热容而持续减小。在温度达到210℃前空气与氮气条件下的热物性变化规律相似,当温度超过210℃,空气条件下煤与氧气发生反应是导致热物性参数的变化的主要因素。此外,在相同温度下比热容的敏感性最大。试验结果对热物性的探讨和煤火灾害预防工作具有必要的指导意义。

梅花井煤矿2号煤自燃特征及分级预警

实现矿井煤自燃火灾的早期预警和高效防控的关键是确定煤自燃特征参数和分级预警体系。通过煤自燃程序升温试验得到了梅花井煤矿2号煤层工作面煤样在不同氧气浓度下耗氧速率,CO、C_(2)H_(4)等气体随温度的变化规律,结合现场数据,确定了采空区煤自燃预测指标气体为CO、CH_(4)、C_(2)H_(4)和C_(2)H_(6),并将格氏火灾系数R_(2)、R_(3)和C_(2)H_(4)/C_(2)H_(6)作为辅助煤自燃预测指标。最终将梅花井煤矿煤自燃指标预警等级划分为“绿、黄、蓝、橙、红”5级预警,设置气体临界阈值,实现了梅花井煤矿工作面煤自燃隐患的识别防控,对于保障工作面的安全高效开采具有重要的指导意义。

基于数据填补的煤自燃温度预测模型

现有煤自燃温度预测模型的建立大多基于较为完整的指标气体样本数据,但指标气体数据受仪器或人为因素影响,往往存在数据缺失现象,导致煤自燃温度预测准确率较低和过拟合等问题。针对上述问题,提出了将K近邻算法(KNN)、随机森林(RF)、决策树(DT)及基于粒子群优化的支持向量回归等填补算法(PSO-SVR)应用于缺失值填补,缺失数据和填补后的数据通过RF、SVR和极限梯度提升树(XGBoost)算法分别进行训练,并通过PSO算法优化参数,构建了基于数据填补的RF、XGBoost和SVR煤自燃温度预测模型。利用煤自然发火实验选取CO,CO_(2),CH4,C_(2)H_(6),O_(2)作为指标气体,并设计整体缺失率为10%,20%,30%和CO,CO_(2)缺失率为40%,50%,60%共6种随机数据缺失,采用平均绝对误差百分比(MAPE)作为填补效果评价指标,采用MAPE、判断系数R^(2)和均方根误差(RMSE)作为模型性能评价指标,对4种填补算法和3种预测模型进行对比。对比分析结果表明:在6种数据缺失情况下,DT填补算法填补效果优于其他3种算法,在CO,CO_(2)存在较多缺失值时,RF算法的填补值与实际值的MAPE偏大;在不调参的情况下,XGBoost模型虽然在训练集效果极好,但极易过拟合,而SVR模型预测效果极差,无法满足预测要求;在6种数据缺失情况下,基于DT填补算法的PSO-SVR、RF与PSO-RF煤自燃温度预测模型的MAPE均在4%左右,基于DT填补算法的RF模型无需优化就能较好地预测出煤自燃温度,具有良好的稳定性。

不同应力对煤自然氧化的影响规律试验研究

为研究应力对煤自然氧化的影响规律,设计1套应力对煤自然氧化影响规律试验装置,通过该试验装置对煤样施加不同应力模拟采空区破碎煤体在承压环境中受压变形、温度及气体体积分数变化特征,定量分析不同应力作用下破碎煤体相关参数的变化规律。研究结果表明:升应力作用阶段破碎煤体较恒应力作用阶段受压变形、升温幅度更为明显且煤体升温速率与位移变化速率大小正相关,进一步验证了应力对于煤体自然氧化具有促进作用;破碎煤体在不同应力作用下煤自燃倾向性进一步加剧,煤体内分子更易氧化,从而导致CO、CH4的产生;根据试验所测CO体积分数,从而推断有煤氧复合反应和煤体机械破碎激活脱碳2种产生途径。

灵新煤矿煤自然发火规律及指标气体研究

利用大型煤自燃试验台对灵新煤矿16号煤层煤样在常温170℃范围内的氧化特性和指标气体参数规律进行了测试。结果表明,煤温以26 d和37 d为界呈现出不同的升温速率;期间CO、CO_(2)为煤氧反应的主要产物,其余指标气体陆续由煤体氧化与分解产生且浓度较低;随着煤温的不断升高,实验炉内最高温度点的位置主要沿中轴线变化,并逐渐向进风口下移。此外,对于指标气体的讨论结果表明,炉内O_(2)浓度沿气流方向从进口侧开始逐渐降低,而CO和CO_(2)浓度则表现出相反的变化规律。研究结果为现场煤自燃的预测和防治提供了有力的依据。

灵新煤矿061404工作面CO分布特征及危险区域研究

为了研究灵新煤矿061404工作面CO分布特征及自燃危险区域分布规律,采用实验测试和现场观测相结合,通过程序升温实验得到了煤氧化过程中CO产生率、氧浓度与煤温的关系;采用现场观测得到了工作面及采空区CO分布特征。研究表明:灵新煤矿在常温下产生微量CO,且CO产生率随氧浓度、煤温增加而增大,煤样易于氧化;采空区CO呈“凹”字形分布,工作面CO沿煤层倾向从进风侧向回风侧逐渐增大;根据工作面采空区CO分布规律,判断CO来源主要途径为采空区遗煤低温氧化,截煤过程中新鲜煤体氧化产生CO气体的影响较小,同时提出了灵新矿061404工作面上隅角的煤自燃CO气体预报定量指标参数。