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。

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。