基于瓦斯涌出时序序列的煤与瓦斯突出离散模态预警方法_卢新明.pdf

Safety in Coal Mines Vol.51No.11 Nov. 2020 第 51 卷第 11 期 2020 年 11 月 基于瓦斯涌出时序序列的煤与瓦斯突出 离散模态预警方法 卢新明 1， 2， 3， 张天宇1， 2， 王 永 4， 涂 辉 4， 王红娟2 （1.山东省智慧矿山信息技术重点实验室， 山东 青岛 266510； 2.山东科技大学 计算机科学与工程学院， 山东 青岛 266590； 3.山东蓝光软件有限公司， 山东 泰安 271000； 4.平安煤矿瓦斯治理国家工程研究中心有限责任公司， 安徽 淮南 232000） 摘要 为了实现工作面煤与瓦斯突出危险性的动态、 实时预警， 提出基于瓦斯涌出时序序列的 离散模态预警方法。获取煤矿瓦斯监测系统监测数据， 实时计算采掘工作面的瓦斯涌出量， 生成 瓦斯涌出离散时序序列并进行区间划分。根据矿井瓦斯地质条件、 采区煤层赋存状况、 瓦斯灾害 发生机理、 瓦斯涌出异常历史记录和相似工作面瓦斯突出的前兆信息记录， 确定煤与瓦斯突出 危险性预警指标的临界值。根据时序序列区间模态参数与预警指标临界值比对， 实时发布煤与 瓦斯突出危险性预警结果。 关键词 煤与瓦斯突出； 监测数据； 时序序列； 模态参数； 灾害预警 中图分类号 TD712文献标志码 A文章编号 1003-496X （2020 ） 11-0175-05 Discrete and Modal Early Warning of Coal and Gas Outburst Based on Time Series of Gas Emission LU Xinming1,2,3, ZHANG Tianyu1,2, WANG Yong4, TU Hui4, WANG Hongjuan2 （1.Shandong Key Laboratory of Wisdom Mine Ination Technology, Shandong University of Science and Technology, Qingdao 266510, China;2.School of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China;3.Shandong Lionking Software Co., Ltd., Tai’ an 271000, China;4.Ping’ an Coal Gas Control National Engineering Research Center Co., Ltd., Huainan 232000, China） Abstract In order to realize the dynamic and real-time early warning of coal and gas outburst danger in working face, a discrete modal early warning based on time series of gas emission is proposed. The methane monitoring data of the coal mine in the real time was used to calculate the gas emission, then the discrete time series of gas emission is generated and the interval is divided. The critical values of early warning indicators for coal and gas outburst were determined according to the gas geological conditions of the mine, the occurrence status of coal seams in the mining area, the mechanism of gas disasters, the historical records of gas emission anomalies, and the precursor ination records of gas outbursts in similar working faces. According to the comparison between the modal parameters of the time series and the critical values of the early-warning indicators, the early- warning results of coal and gas outburst danger are released. Key words coal and gas outburst; monitoring data; time series; modal parameter; disaster early warning 煤与瓦斯突出是煤矿灾害防治的重点对象， 瓦 斯突出事故会对煤矿造成人员伤亡和经济损失， 有 时还会进一步诱发瓦斯爆炸[1]。目前， 煤与瓦斯突出 的预警仍是煤矿生产亟待解决的问题[2-3]。国内外学 者在煤与瓦斯突出预警方法及应用方面开展了大量 研究，预警指标呈现多样性如瓦斯浓度、瓦斯涌出 DOI10.13347/ki.mkaq.2020.11.037 卢新明， 张天宇， 王永， 等.基于瓦斯涌出时序序列的煤与瓦斯突出离散模态预警方法 ［J］ . 煤矿安全， 2020， 51 （11 ） 175-179. LU Xinming, ZHANG Tianyu, WANG Yong, et al. Discrete and Modal Early Warning of Coal and Gas Outburst Based on Time Series of Gas Emission ［J］ . Safety in Coal Mines, 2020, 51 （11） 175-179.移动扫码阅读 基金项目 国家重点研发计划资助项目 （2017YFC0804406） ； 泰安 市科技发展计划资助项目 （2018GX0007） 175 Safety in Coal Mines 第 51 卷第 11 期 2020 年 11 月 Vol.51No.11 Nov. 2020 表 1瓦斯涌出时序序列划分信息 Table 1Time series division ination of gas burst 瓦斯涌出时序序列时序序列长度时序序列包含数据 Ws Ws1 Wm n n n y1， y2， ..， yn y1n， y2n， ...， y2n y1n （m-1 ）， ...， ymn 动态特征、 瓦斯涌出量等。董丁稳等[4]通过分析瓦斯 实测数据的统计特征，利用贝叶斯网络方法分析工 作面与其关联监测点瓦斯实测数据构成时间序列的 关联特征， 实现基于监测数据分析的实时、 动态量 化预警； 朱世松等[5]研究了利用时间序列聚类分析 技术获取瓦斯报警时间序列的典型波动模式， 采用 分段形态度量方法提取各时间序列模式特征， 利用 时间序列相似性查询技术，达到快速辨识工作面报 警信号的目的； 魏连江等[6]在矿井瓦斯异常模式诊 断研究中引入 K 线图理论， 并与现有理论分析技术 相结合共同研究，提出了一种瓦斯监测预警新方 法； 还有一些学者提出了基于人工神经网络[7-9]、 层 次可拓理论[10-11]、 支持向量机[12-13]、 灰色理论[14-16]、 深度学习[17]等预测预警方法。 目前， 全方位探测煤与 瓦斯突出的传感技术还不够完善，大部分煤矿只是 安装了瓦斯浓度传感器和风速传感器，寻找利用这 些传感器数据来有效进行预测预警的方法依旧是棘 手问题。 虽然专利 CN108506041A[18]给出一种基于实 时监测数据的动力灾害模态预警方法，实现了瓦斯 涌出时序序列对煤与瓦斯突出前兆信息的在线体 现，但需要构造模态函数，给预测预警增加了一定 的难度。通过监测分析，确定工作面突出动态预警 指标临界值，考虑到瓦斯涌出过程中瓦斯压力和煤 层裂（孔） 隙随开采扰动和瓦斯涌出时的变化趋势 和振荡情况，提出了基于瓦斯涌出时序序列的煤与 瓦斯突出离散模态预警方法，建立起突出危险性超 前感知的在线实时动态预警模型。 1预警机理与体系 大量的研究表明，采掘工作面前方煤体瓦斯涌 出量的动态变化与煤体的突出危险性相一致，瓦斯 涌出状态隐含了瓦斯灾害环境演变规律，在煤与瓦 斯突出前常出现瓦斯涌出量异常、忽大忽小等前兆 信息，因此可以利用瓦斯涌出特征异常信息预测预 报工作面突出危险性。基于瓦斯涌出时序序列的离 散模态预警方法就是对瓦斯涌出时序序列进行区间 划分，通过工作面监测分析确定瓦斯涌出动态指标 临界值，根据时序序列区间模态参数与临界值对 比， 实时发布煤与瓦斯突出预警结果。 1.1瓦斯涌出时序序列 从煤矿监测系统中获取瓦斯浓度时序序列 C C＝{ce， e1， 2， ， j}（1） 式中 ce为某一时刻工作面瓦斯浓度值， ； e 为 采样时刻。 根据工作面风量和不同采样时刻瓦斯浓度， 建 立如下实时计算瓦斯绝对涌出量的数学模型 W＝qce（2 ） 式中 q 为风量， m3/min； W 为某一时刻工作面 绝对瓦斯涌出量， m3/min （以下简瓦斯涌出量） 。 采样数据个数为 X，形成工作面的瓦斯涌出序 列并进行划分， 根据矿区工作面预警时间间隔设定， 每取 n 个采样数据为 1 个序列， 即 1 个预警区间， 划 分后得到 m 个瓦斯涌出时序序列为{Ws， Ws1， ， Wm}。煤矿瓦斯监测系统的采样周期为 t， 根据瓦斯 涌出时序序列，划分后的子时序序列预警区间时间 长度 Dt为 Dtnt（3 ） 瓦斯涌出时序序列的划分信息见表 1。 1.2时序序列区间模态参数 划分后的各时序序列数据为 yi（i1， 2， ， n） ， i 为区间次序， 以 i 为自变量 x， 以瓦斯涌出量 W 为因 变量 y 得到趋势拟合直线 ykxh（4 ） 式中 k 为斜率； h 为截距。 计算各点拟合值yi yikihi1， 2， ， n（5 ） 区间均值 W 和趋势振荡方差 σ 为 W y ， σ＝ n i 1 ∑yi-y i （） 2 n-1■ （6 ） 求出各瓦斯涌出时序序列的模态参数 N NW ασ（7 ） 式中 α 为系数， 取 α＝0.25。 1.3预警准则 构建突出危险特征指标体系，瓦斯涌出时序序 列模态参数 N 代表瓦斯涌出变化这个前兆信息， 并 根据前后时序序列模态参数的对比来衡量瓦斯涌出 变化趋势。预警准则映射预警指标与预警结果之间 的关联关系， 是预警准确性的关键条件。 176 Safety in Coal Mines Vol.51No.11 Nov. 2020 第 51 卷第 11 期 2020 年 11 月 图 1瓦斯涌出量变化曲线 Fig.1Variation curve of gas emission 将瓦斯突出危险性预警级别划分为 3 个等级 绿色、 黄色、 红色。 设定模态增量速率系数 a， b， c （a＞b＞c＞1） 并按 照时序序列模态参数的比较进行瓦斯涌出变动趋势 判断。按照下列规则逐次计算出预警区间的预警值 Yi， 规则如下 红色预警 1） 如果 N≥NR， N≥aN3且 N3≥aN2且 N2≥aN1， 则取 YiYR0.9， 此时瓦斯涌出趋势为急速上升。 2） 如果 N≥NR， N≥bN3且 N3≥bN2且 N2≥bN1， 则取 YiYR0.8， 此时瓦斯涌出趋势为快速上升。 3） 如果 N≥NR， N≥cN3且 N3≥cN2且 N2≥cN1， 则取 YiYR0.7， 此时瓦斯涌出趋势为连续上升。 4） 如果 N≥NR， N≥aN3且 N3≥aN2， 则取 YiYR 0.6， 此时瓦斯涌出趋势为正在急速上升。 5） 如果 N≥NR， N≥bN3且 N3≥bN2， 则取 YiYR 0.5， 此时瓦斯涌出趋势为正在快速上升。 6） 如果 N≥NR， N≥cN3且 N3≥cN2， 则取 YiYR 0.4， 此时瓦斯涌出趋势为正在连续上升。 7） 如果 N≥NR， N≥aN3， 则取 YiYR0.3， 此时瓦 斯涌出趋势为开始急速上升。 8） 如果 N≥NR， N≥bN3， 则取 YiYR0.2， 此时瓦 斯涌出趋势为开始快速上升。 9） 如果 N≥NR， N≥cN3， 则取 YiYR0.1， 此时瓦 斯涌出趋势为开始连续上升。 10 ） 如果 N≥NR， 则取 YiYR， 此时瓦斯涌出趋势 为没有上升。 若不满足红色预警， 将进行黄色预警 0） 如果 NG≤N＜NR， N3≥NR， 则依旧取 YiYR， 此 时瓦斯涌出趋势为没有上升。 1） ～10 ） 与红色预警规则一致， 将 N≥NR替换为 NG≤N＜NR， YR替换为 YY。 绿色预警 如果 N＜NG， N3≥NG，则依旧取 YiYY；否则 N＜ NG， 则取 YiYG。 预警结果区间划分为 Y 绿色 YG（） 1 Y i 黄色 YY（）2 ≤Yi ＜ Y R （）3（） 红色 YR（）3 ≤Yi＜（）4 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ （8） 式中 Y 为突出危险性预警结果； YG、 YY、 YR为 预警区间划分阈值； NG为工作面平均瓦斯涌出量正 常值； NR为工作面平均瓦斯涌出量异常临界值； N3 为当前时段前移 1 个时序序列模态参数； N2为当前 时段前移 2 个时序序列模态参数； N1为当前时段前 移 3 个时序序列模态参数。 预警结果各等级含义红色代表工作面瓦斯涌 出量超出异常临界值， 突出危险性较大； 黄色代表工 作面瓦斯涌出量大于正常值且小于异常值，存在突 出威胁， 危险性较小； 绿色代表工作面瓦斯涌出在正 常范围之内波动。 2算法分析 某矿区在地质勘探过程中，在井下采用钻屑量 解吸法直接测定瓦斯含量， 最小为 2.46 m3/t， 最大为 19.34 m3/t， 平均为 10.06 m3/t。矿井瓦斯赋存从浅向 深有逐渐增大的趋势。煤层瓦斯含量与埋藏深度有 明显的线性关系，瓦斯含量 F 与埋深 H 的关系为 F0.026 8H-3.08， 瓦斯含量梯度 0.026 8 m3/ （t m-1） 。 -550 m 标高以上的突出区内煤层原始瓦斯含量为 13.65～19.34 m3/t， 瓦斯压力为 2.14 MPa。 该矿区在某天下午 22 10 时， 在 1116 工作面运 输巷发生了 1 次突出， 突出煤量 21 t， 突出瓦斯量为 2 520 m3。 突出点标高为-552.8 m， 埋藏深度 714 m。 该巷道采用炮掘工艺， 风量为 240 m3/min， 正常作业 时平均瓦斯浓度 0.35，瓦斯涌出量 0.84 m3/min。 从煤矿瓦斯监测系统中提取 1331 至 2130 的瓦斯 浓度监测数据， 煤矿瓦斯监测系统采样周期为 1 min， 采样数据个数 X 为 480。 由式 （2） 实时计算瓦斯涌出 量，进而得到瓦斯涌出时序序列作为研究对象，瓦 斯涌出量变化曲线如图 1。 将瓦斯涌出时序序列进行区间划分， 每取 10 个 数据为 1 个区间， 即 X480， n10， Dt10 min， 共划 分 m48 个预警区间。由式 （5） ～式 （7） 得到模态参 数、区间均值等各区间趋势拟合直线参数。根据矿 177 Safety in Coal Mines 第 51 卷第 11 期 2020 年 11 月 Vol.51No.11 Nov. 2020 图 2工作面瓦斯涌出特征指标预警结果 Fig.2Early warning results of characteristic indicators of gas emission in working face 表 2工作面瓦斯涌出状态判断 Table 2Judgment of gas emission status in working face 区间预警值突出危险性预警结果 瓦斯涌出变动趋势 1～3 4～6 7 8～9 10 11～12 13～17 18 19 20 21 22～23 24 25 26～28 29 30 31～32 33～34 35 36 37 47～48 - 1.0 2.3 2.0 3.3 3.0 2.0 2.3 2.6 2.0 2.1 2.0 3.3 3.0 2.0 2.1 3.4 3.7 3.0 2.0 3.3 3.6 3.8 - 绿色 黄色 黄色 红色 红色 黄色 黄色 黄色 黄色 黄色 黄色 红色 红色 黄色 黄色 红色 红色 红色 黄色 红色 红色 红色 - 没有上升 开始急速上升 没有上升 开始急速上升 没有上升 没有上升 开始急速上升 正在急速上升 没有上升 开始连续上升 没有上升 开始急速上升 没有上升 没有上升 开始连续上升 正在连续上升 连续上升 没有上升 没有上升 开始急速上升 正在急速上升 快速上升 38 39～41 42 43～44 45 46 3.8 3.0 3.3 3.0 3.3 3.6 红色 红色 红色 红色 红色 红色 快速上升 没有上升 开始急速上升 没有上升 开始急速上升 正在急速上升 井瓦斯地质条件、 采区煤层赋存状况、 瓦斯灾害发生 机理、瓦斯涌出异常历史记录和相似工作面瓦斯突 出的前兆信息记录，分别确定煤与瓦斯突出预警指 标的临界值。瓦斯涌出量预警临界值依据发生突出 前瓦斯涌出量的大小来衡量，在矿区发生的几次突 出前， 巷道绝对瓦斯涌出量都大于 2.48 m3/min， 在一 定程度上表明， 当绝对瓦斯涌出量大于 2.48 m3/min 时， 前方煤层就具有了突出危险性。综上， 煤与瓦斯 突出的预警指标临界值为 NR2.48， NY0.84。 设定模态增量速率系数 a1.2， b1.1， c1.05， 利用 MATLAB 编制算法流程， 工作面瓦斯涌出特征 指标预警结果如图 2。 在 1331 至 2130 时间段内， 工作面瓦斯涌出状 态判断见表 2。 由图 2 和表 2 分析可知，在不同时段发出了不 同程度的预警。利用前后瓦斯涌出时序序列区间模 态参数对比得到瓦斯涌出变动趋势，与监测到的瓦 斯涌出变化情况相吻合。利用瓦斯涌出时序序列的 模态参数作为瓦斯涌出特征参数来预测预报工作面 突出危险性， 在工作面瓦斯涌出异常时期发出预警， 178 Safety in Coal Mines Vol.51No.11 Nov. 2020 第 51 卷第 11 期 2020 年 11 月 作者简介 卢新明 （1961） ， 河南济源人， 教授， 博士生 导师， 博士， 1994 年毕业于中国科学院应用数学研究所， 主 要从事智慧矿山、 矿山物联网技术方面的研究工作。 （收稿日期 2019-12-20； 责任编辑 王福厚） 给煤与瓦斯突出的防治提供了有效参考手段。 3结语 获取煤矿瓦斯监测系统监测数据，以工作面当 前时间为基准向后推移若干时段，生成瓦斯涌出离 散时序序列并进行区间划分。利用瓦斯涌出特征信 息对工作面突出危险性进行预警。根据矿井瓦斯地 质条件、 采区煤层赋存状况、 瓦斯灾害发生机理、 瓦 斯涌出异常历史记录和相似工作面瓦斯突出的前兆 信息记录，确定煤与瓦斯突出危险性预警指标的临 界值。根据时序序列区间模态参数与临界值比对， 实时发布煤与瓦斯突出危险性预警结果。基于工作 面瓦斯涌出时序序列的离散模态预警方法，能够实 现实时煤与瓦斯突出的在线预警，为煤矿瓦斯灾害 的预测预警起到辅助作用。 参考文献 ［1］ 于不凡， 王佑安.煤矿瓦斯灾害防治及利用技术手册 ［M］ .北京 煤炭工业出版社， 2005. ［2］ 宁小亮.煤与瓦斯突出预警技术研究现状及发展趋势 ［J］ .工矿自动化， 2019， 45 （8） 25-37. ［3］ 宁德义.我国煤矿瓦斯防治技术的研究进展及发展方 向 ［J］ .煤矿安全， 2016， 47 （2） 161-165. ［4］ 董丁稳， 屈世甲， 王红刚.基于多测点关联分析的工作 面瓦斯浓度实时预警 ［J］ .中国安全科学学报， 2015， 25 （1） 111-115. ［5］ 朱世松， 汪云甲， 魏连江.基于时间序列相似性度量的 瓦斯报警信号辨识 ［J］ .中国矿业大学学报， 2012， 41 （3） 474-480. ［6］ 魏连江， 胡青伟， 梁伟， 等.基于 K 线图理论的瓦斯异 常模式诊断研究 ［J］ .煤矿安全， 2019， 50 （6） 24-27. ［7］ 李胜， 罗明坤， 范超军， 等.采煤工作面煤与瓦斯突出 危险性智能判识技术 ［J］ .中国安全科学学报， 2016， 26 （10） 76-81. ［8］ 温廷新， 孙雪， 孔祥博， 等.基于 PSOBP-AdaBoost 模型 的瓦斯涌出量分源预测研究 ［J］ .中国安全科学学报， 2016， 26 （5） 94-98. ［9］ 时天， 马宪民.基于径向基神经网络的煤矿工作面瓦 斯预测研究 ［J］ .仪器仪表学报， 2008， 29 （4） 618. ［10］ 郭德勇， 胡杰， 王彦凯.煤与瓦斯突出层次-可拓预警 技术及应用 ［J］ .中国安全科学学报， 2017， 27 （1） 88-92. ［11］ 杜振宇， 薛俊华， 任波， 等.基于层次-可拓的煤与瓦 斯突出预警研究 ［J］ .煤矿安全， 2018， 49 （12） 169. ［12］ 王巍， 刘德胜.基于支持向量机理论的煤矿瓦斯涌出 量预测研究 ［J］ .煤矿机械， 2011， 32 （2） 78-80. ［13］ 崔邯龙， 李海涛， 孟文清.综掘工作面瓦斯涌出量的 支持向量机预测模型 ［J］ .煤炭工程， 2009 （2） 75. ［14］ 孟絮屹.灰色理论在煤与瓦斯突出预测中的应用研 究 ［J］ .现代矿业， 2015， 31 （5） 119-120. ［15］ 孙斌.瓦斯涌出量灰色预测 ［J］ .中国煤炭， 2007， 33 （8） 72-74. ［16］ 吕品， 马云歌， 周心权.上隅角瓦斯浓度动态预测模 型的研究及应用 ［J］ .煤炭学报， 2006， 31 （4） 461. ［17］ 李伟山， 王琳， 卫晨.LSTM 在煤矿瓦斯预测预警系统 中的应用与设计 ［J］ .西安科技大学学报， 2018， 38 （6） 1027-1035. ［18］ 卢新明， 尹红.一种基于实时监测数据的动力灾害模 态预警方法 CN108506041A ［P］ .2018-09-07. 179