掘进工作面煤与瓦斯突出非线性动态预测研究

摘要

煤与瓦斯突出是一种极其复杂的矿井动力现象，突发性和破坏性极强，有效防治突出灾害一直是矿山安全领域中的重大研究课题。但鉴于目前还不能完全阐明突出的科学本质，难以从机理上确定通用的预测突出的敏感指标及其临界值，本文基于国家自然科学基金资助项目《煤与瓦斯突出灾害动态辨识与预测基础理论研究》（编号:51274118），研究掘进工作面瓦斯浓度的非线性特征，提出多因素耦合掘进工作面煤与瓦斯突出非线性动态预测理论。
　　本文在对瓦斯突出预测方法和影响煤与瓦斯突出主要因素的深入研究基础上，提出基于多因素耦合自适应萤火虫优化最小二乘支持向量机(ASGSO-LS-SVM)煤与瓦斯突出动态预测模型。分别从动态预测指标的确定、动态预测指标的混沌特征、分形及多重分形特征、模型系统的实现与验证方面进行了深入的研究。
　　利用层次分析法分析煤与瓦斯突出影响因素的权重，选取9种参数为样本集，按权重排序后，分析了瓦斯放散初速度、瓦斯含量、瓦斯涌出速度和瓦斯浓度等与瓦斯涌出量之间的关系后，提出了以瓦斯浓度、瓦斯压力、煤体坚固性系数、煤体结构类型、开采深度等五个主要影响因素作为掘进工作面煤与瓦斯突出危险性非线性动态预测的主要输入指标。
　　对掘进工作面瓦斯浓度时间序列的非线性特征进行了研究。提出了以基于λ-岭回归估计的异常数据的处理方法、基于三次指数平滑的数据缺失的处理、基于改进阈值函数的小波去噪处理的系列处理步骤，完成了掘进工作面瓦斯浓度时间序列的数据提取过程。提出掘进工作面瓦斯浓度序列具有混沌特征的观点，采用了关联维、二阶Renyi熵K2、最大Lyapunov指数这三个指标进行了混沌特性的验证，并提出基于改进小数据量算法的最大Lyapunov指数求取方法，证明了掘进工作面瓦斯浓度时间序列具有混沌特性，为非线性动态预测理论提供了依据。
　　为验证掘进工作面瓦斯浓度序列具有分形以及多重分形特征，用重标极差分析法计算Hurst指数，证明了序列的分形特征。在多重分形特征的研究中，发现Dq-q走向越陡，序列所包含的内在信息量越多，越具有突出危险;而分形维数更高，说明越来越趋向于突出的发生，与Dq-q分析得到的结果一致。分析结果使得掘进工作面瓦斯浓度序列的多重分形特征成为突出发生的特征指标成为可能，并进一步为非线性动态预测理论提供支撑。
　　为了提高最小二乘支持向量机的学习和泛化能力，提出一种ASGSO-LS-SVM算法，以萤火虫个体的劫态自适应步长策略代替固定的移动步长。建立了基于ASGSO-LS-SVM的以矿井监测瓦斯浓度实时数组式参数，结合瓦斯压力、煤体坚固性系数、煤体结构类型、开采深度的多因素耦合预测模型，建立适用于掘进工作面煤与瓦斯突出的非线性动态预测理论，并以山西两矿瓦斯突出实例验证了理论的可行性。同时设计开发了煤与瓦斯突出非线性动态预测管理系统，促进了掘进工作面煤与瓦斯突出非线性动态预测的应用。

目录

声明

致谢

摘要

1 绪论

1．1 本文选题的研究背景

1．2 煤与瓦斯突出机理及预测综述

1．2．1 煤与瓦斯突出机理研究综述

1．2．2 煤与瓦斯突出的预测研究综述

1．3 本文的主要研究内容和技术路线

1．3．1 本文的主要研究内容

1．3．2 本文的技术路线

2 煤与瓦斯突出非线性动态预测指标的确定

2．1 地应力对煤与瓦斯突出区域分布的影响

2．2 煤的物理力学性质对煤与瓦斯突出的影响

2．2．1 煤体的构造影响

2．2．2 煤的强度特性影响

2．2．3 煤层厚度的影响

2．2．4 煤层顶底板岩石透气性的影响

2．2．5 开采深度的影晌

2．2．6 煤层倾角的影响

2．2．7 煤层渗透率的影响

2．3 煤层瓦斯参数对煤与瓦斯突出的影响

2．3．1 煤层瓦斯含量的影响

2．3．2 煤层瓦斯压力的影响

2．3．3 煤层瓦斯涌出速度的影响

2．3．4 煤层瓦斯放散初速度的影响

2．4 非线性动态预测指标的确定

2．4．1 煤与瓦斯突出非线性动态预测指标体系构建的原则

2．4．2 基于层次分析法的非线性动态预测指标权重分析

2．4．3 煤与瓦斯突出非线性动态预测指标的确定

2．5 本章小结

3 掘进工作面瓦斯浓度的混沌特征研究

3．1 动力系统与混沌概述

3．1．1 动力系统

3．1．2 混沌的定义与性质

3．2 掘进工作面瓦斯浓度数据的预处理

3．2．1 基于λ-岭回归估计的异常数据的处理

3．2．2 基于三次指数平滑数据缺失的处理

3．2．3 基于改进阈值函数的小波去燥处理

3．2．4 实例研究

3．3 瓦斯浓度时间序列的相空间重构

3．4 瓦斯浓度时间序列的时滞参数的选取

3．5 掘进工作面瓦斯浓度时间序列混沌特征的识别

3．5．1 关联维

3．5．2 二阶Renyi熵K2

3．5．3 基于改进的小数据量算法的最大Lyapunov指数

3．5．4 掘进工作面瓦斯浓度混沌特征实例判定

3．6 本章小结

4 掘进工作面瓦斯浓度的分形特征研究

4．1 分形理论概述

4．1．1 分形及分形几何

4．1．2 分形维数的计算方法

4．2 掘进工作面瓦斯浓度时间序列分形特征的判定

4．2．1 Hurst指数的估算

4．2．2 实例判定

4．3 掘进工作面瓦斯浓度的多重分形特征

4．3．1 多重分形维理论

4．3．2 求取瓦斯浓度时间序列的广义维数Dq

4．3．3 时间序列的广义Hurst指数估计

4．3．4 瓦斯浓度时间序列的多重分形谱分析

4．3．5 掘进工作面瓦斯浓度多重分形特征的判定

4．4 本章小结

5 掘进工作面煤与瓦斯突出多因素非线性动态预测

5．1 支持向量机理论基础

5．1．1 VC维理论和结构风险最小化

5．1．2 SVM理论

5．1．3 构造核函数

5．2 基于ASGSO算法的LS-SVM识别模型

5．2．1 基本GSO算法

5．2．2 自适应优化GSO算法

5．2．3 惩罚因子及核参数仃对LS-SVM的影响

5．2．4 ASGSO-LS-SVM模型的建立

5．3 基于ASGSO-LS-SVM的煤与瓦斯突出预测

5．3．1 获取数据

5．3．2 数据的预处理过程

5．3．3 特征的选择与提取

5．3．4 模式识别系统的训练与预测

5．3．5 基于ASGSO-LS-SVM的煤与瓦斯突出静态预测

5．3．6 基于ASGSO-LS-SVM的煤与瓦斯突出动态预测与验证

5．4 煤与瓦斯突出非线性动态预测管理系统开发

5．4．1 煤与瓦斯突出动态预测管理系统的功能设计

5．4．2 煤与瓦斯突出预测管理系统的硬件设计

5．4．3 煤与瓦斯突出预测管理系统的软件设计

5．5 本章小结

6 结论与展望

6．1 结论

6．2 创新点

6．3 展望

参考文献

作者简历

学位论文数据集