瓦斯浓度预测预警模型在潞宁矿的应用研究_任晓东.pdf

煤矿现代化2020 年第 2 期总第 155 期 1工程概况 潞宁矿采用的监测监控系统是 KJ83NA煤矿数 字安全监控系统。 此监控系统可实时监控井下有害气 体尤其是瓦斯的产生及变化情况， 但并不能预测瓦斯 浓度的变化趋势及未来可能出现的情况。 为保证矿井 的安全生产， 保障工作人员的人身安全， 有必要对井 下瓦斯浓度进行预测分析， 并提前采取措施， 进行合 理的调整与改善。 2瓦斯浓度变化趋势预测模型构建 2.1预测原理及方法 本预测模型的构造是基于 ARMA 模型，是一种 研究基于时间变化的数据的模型。对于一数据集合 {xt}， 若某一时刻的值既与其之前的取值 xt-1～xt-n有关， 又与环境因素 at-1～at-m有关，则由此可建立 n 阶 AR- MA模型 xt φ 1xt-1 φ 2xt-2φnxt-nat - θ 1at-1 θ 2at-2θmat-m， at～NID0,σ 2 a 式中 ψ 和 θ 均为模型参数， 其取值范围为 0～1。 2.2模型初建 基于以上原理， 在取得一段持续时间的瓦斯监测 数据后， 需对现时段监测数据进行分析处理， 来进行 未来时段数据的预测， 并在输出预测结果后， 及时的 对预测结果进行修正改进， 这样可以准确高效地预测 瓦斯浓度的未来变化， 可以做到提前预警， 具体计算 流程如下图 1 所示 图 1瓦斯浓度预测计算流程 瓦斯浓度预测预警模型在潞宁矿的应用研究 任 晓 东 （山西潞安集团潞宁煤业公司 ，山西 忻州 036000 ） 摘要 为保证潞宁矿的安全生产， 保障煤矿工作人员的人身安全， 通过对监测系统获得的瓦斯浓度 数据进行分析处理， 建立合理的 ARMA 预测计算模型， 并经过一系列数学计算对模型进行修正， 由此 来对瓦斯浓度进行预测分析， 根据其预测结果可进行发出Ⅰ级黄色预警、 Ⅱ级橙色预警、 Ⅲ级红色预 警预警、 报警等讯号， 并采取相关整改措施， 以此来保证生产的安全。 关键词 监测系统 ； 瓦斯浓度 ； 预测模型 中图分类号 TD712文献标识码 A文章编号 1009- 0797 （2020 ） 02- 0047- 03 Application Research of Gas Concentration Prediction and Early Warning Model in Luning Mine REN Xiaodong （LuningCoal IndustryCompany， Luan Group ofShanxi ，Xinzhou 036000i ，China ） Abstract In order to ensure the safe production of the Luning Mine and ensure the personal safety of the coal mine workers, a reasonable ARMA prediction calculation model is established by analyzing and processing the gas concentration data obtained by the monitoring system, and the model is corrected through a series ofmathematical calculations. In this way, the gas concentration is predicted and analyzed, and ac- cording to the prediction results, I- level yellowwarning, II- level orange warning, III- level red warning warning, alarm and other signals can be issued, and relevant rectification measures are taken toensure the safetyofproduction. Key words monitoringsystem ; gas concentration ; predictive model 47 ChaoXing 煤矿现代化2020 年第 2 期总第 155 期 通过以上流程便可初步确定瓦斯浓度的预测结 果， 初步建立瓦斯浓度预测模型。 2.3模型修正 为了精准地预测矿井中综采面某一瓦斯监测点 的瓦斯浓度变化， 需要对上述建立的初步模型进行修 正， 根据建立的 ARMA 模型， 通过对瓦斯浓度实测数 据进行预处理的方式， 进行模型的修正， 其详细步骤 如下 1 ）监测数据处理因实际监测得到的数据序列 往往是不完善， 经常有异常和缺失的数据出现， 因此 需对取得的监测数据进行处理， 具体如下 异常数据处理 在瓦斯监测系统中， 当监测数据 在某一时刻出现异常时，需对异常数据进行替代处 理， 其替代值按 ARMA 模型的平滑法计算， 计算公式 如下 Stαxt1- αSt-1bt-1 btγSt- St-11- γbt-1（1 ） FtmStbtm 式中 xt为 t 时刻的监测数据； α、 γ 为平滑参数； 通常取 αγ0.5； St为平滑值， bt为中间转换变量； m 为平滑步数。 在替代异常数据时， 可取平滑步数 m1， 此时求 得的 Ft1值即为异常数据的替代值。 缺失数据处理 在处理缺失数据时， 同样采用上 述公式 （1 ） 所示方法计算， 但不同于异常数据处理的 是， 此时 m 不一定等于 1， 此刻 m 为 xt的平滑步数， 即丢失的数据个数。 2 ）建立初始化模型时， 取阶数 p1； 计算向前预 测长度时， 取 npnp0， 其值可设置为间隔为 15min 的 时间序列。 3 ）时间序列长度确定。 根据 ARMA模型， 时间长 度 Nx可根据下式求出 Nx n Δf （2 ） 式中 Δf 为在时间序列中两连续频率的间隔； n 为正整数。 4 ）监测数据标准化处理在获得监测数据的时 间序列后， 对其进行标准化处理， 公式如下 xt xt - μ x σx ， t1,2,3,,Nx（3 ） 式中 σt、 μt分别为时间序列值 xt的均值和方差。 根据标准化处理的时间序列 xt，可得到之后某 一时刻的预测结果x ˆ t， 然后对其进行还原处理， 公式 如下 xtx ˆ tσxμx （4 ） 5 ）模型参数计算。采用数学方法最小二乘法对 参数进行估计计算， 计算公式为 φlB l- 1 i1 Πγ iBx t la t l （5 ） 式中 ψ 与 γ 均为未知参数； xt 为实测数据； at 为 环境因素； εt为 xt中残余因子； i 与 l 均为正整数， 其 取值分别为 1～m、 1～n。 6 ）预测瓦斯浓度。在通过监测系统获得一段时 间序列的样本值后， 向前进行连续 np 步预测计算， 即 可得到预测区间 PA[δij,δ 2j ],j1,2,,np， 其计算公 式如下 PA[my- βcovy■,myβ covy ■ ]（6 ） 式中， my为向前 np 步预测的点估计值， 可根据 样本统计量求得； β 为样本数据再既定置信水平下的 后验分布分位数， 在此可取 β95； covy为模型样 本数据的方差。 根据上述根据求得的瓦斯浓度预测区间实际上 是一个范围，在图形上可表示为预测值的两条包络 线。 7 ）预测结果最佳化。 根据上述 2.2 节建立初步模 型的方法， 对其预测结果求其平均值， 即得到最佳预 测结果， 并根据上述步骤 （6 ） 中得到的预测区间， 对其 求平均值， 即可得到最佳预测区间。 3预测结果分析 根据以上建立的预测模型， 对其预测结果进行分 析分类， 便可做到超前预警、 提前报警。根据预测结 果， 可分为三种情况 正常、 预警、 报警。其中， 预警又 可分为三个等级 Ⅰ级黄色预警、 Ⅱ级橙色预警、 Ⅲ级 红色预警， 具体分类如下 1 ）若预测区间的上限值大于 煤矿安全规程 中 规定的报警值， 此时系统发出瓦斯报警。 2 ）若预测区间的上限值小于 煤矿安全规程 中 规定的报警值， 但大于瓦斯实测历史数据中的样本最 大值， 此时发出Ⅲ级红色预警。此刻应设定警戒时间 4h， 并及时采取相关措施进行整改。 3 ）若预测区间的上限值小于瓦斯实测历史数 据中的样本最大值，但大于瓦斯实测历史数据的 95置信区间的最大值， 此时发出Ⅱ级橙色预警。 此 刻应持续关注监测系统对瓦斯浓度的监测结果， 时 48 ChaoXing 煤矿现代化2020 年第 2 期总第 155 期 刻留意其变化趋势， 尤其是发现瓦斯浓度有上升趋 势的时候， 应及时查明原因并采取相关措施进行处 理。 4 ） 若预测区间的上限值小于瓦斯实测历史数据 的 95置信区间的最大值，但其数值呈增长趋势并 持续增长 3 小时， 此时发出Ⅰ级黄色预警。此刻应关 注瓦斯浓度变化趋势， 并分析其变化原因。 5 ） 若以上条件均不符合， 此时为正常情况， 不用 特别采取措施。 瓦斯浓度的预测结果分析流程如图 2 所示 图 2瓦斯浓度预测结果分析流程 4预测预警模型在潞宁矿的实际应用 将上述对瓦斯浓度的预测方法应用于潞宁矿， 对 其预测模型进行验证。结果如下 1 ）在潞宁矿某工作面布置 4 个测点，对其瓦斯 浓度进行实时监测， 现以测点 1 为例进行分析， 其得 到的实测数据形成的时间序列如图 3 所示 图 31 测点瓦斯浓度实测序列 图 41 测点瓦斯浓度预测结果 2 ）利用上述瓦斯浓度的预测方法，根据监测数 据建立预测模型， 对瓦斯浓度的变化进行预测， 得到 最佳预测结果如图 4 所示。 3 ）由如图 4 所示，瓦斯浓度预测结果为置信度 为 90的置信区间，图中红色曲线为预测时间段的 瓦斯浓度实测值， 黄色曲线为根据现有监测数据采用 上述预测方法得到的预测区间的上下限。据图中显 示， 红色曲线基本在两黄色曲线之间波动， 即实测曲 线基本在预测曲线的包络线范围内波动， 在所测时间 段内， 实测曲线波动明显， 瓦斯浓度变化较大， 但其值 均基本落在预测区间内。根据预测结果， 另外三个测 点的瓦斯浓度实测曲线基本也都落在预测区间内， 由 此可见此预测方法的准确性。 此外， 图中显示仅为 1h 的实测数据与预测结果，但根据实际预测结果显示， 预测区间的上限值并未超过瓦斯实测历史数据的 95置信区间的最大值，且其值在连续 4h 内变化幅 度不大， 未出现连续增长趋势， 故由此可判断该时段 的瓦斯浓度为正常情况。 5总结 根据潞宁矿工程特点及其监测系统的工作特性， 建立一种基于 ARMA 模型的瓦斯浓度预测模型， 通 过模型初建及模型修正可得出瓦斯浓度的预测结果， 并通过对预测结果的分析， 可做到提前预警， 及时地 采取整改措施， 避免事故的发生， 保证生产的安全。 参考文献 [1] 纪学.网络技术在煤矿安全监测系统中的应用[J].中国新 技术新产品,2008 （08） 22. [2] 黄凯峰. 煤矿安全监测监控系统瓦斯浓度异常信号辨识 方法研究[D].安徽理工大学,2016. [3] 黄元申.基于 ARMA 模型的煤矿瓦斯灾害预测研究[J].工 业控制计算机,2013 （09） 49- 50. [4] 郭思雯.基于时间序列的瓦斯浓度动态预测[J].工矿自动 化,2018 （09） 20- 25. 作者简介 任晓东 （1989-） ， 男， 山西省长治市襄垣县人， 2013 年 7 月毕业于西南交通大学电气工程及其自动化专业， 助理工程 师， 现从事煤矿监测监控工作。 （收稿日期 219- 7- 8） 49 ChaoXing