CN111709606B - 基于大数据分析的采掘工作面瓦斯涌出异常预警方法 - Google Patents

基于大数据分析的采掘工作面瓦斯涌出异常预警方法 Download PDF

Info

Publication number
CN111709606B
CN111709606B CN202010428668.1A CN202010428668A CN111709606B CN 111709606 B CN111709606 B CN 111709606B CN 202010428668 A CN202010428668 A CN 202010428668A CN 111709606 B CN111709606 B CN 111709606B
Authority
CN
China
Prior art keywords
abnormal
early warning
gas emission
data
variation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010428668.1A
Other languages
English (en)
Other versions
CN111709606A (zh
Inventor
卜滕滕
邢呈呈
武福生
何敏
邢震
刘丽静
张珂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tiandi Changzhou Automation Co Ltd
Changzhou Research Institute of China Coal Technology and Engineering Group Corp
Original Assignee
Tiandi Changzhou Automation Co Ltd
Changzhou Research Institute of China Coal Technology and Engineering Group Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tiandi Changzhou Automation Co Ltd, Changzhou Research Institute of China Coal Technology and Engineering Group Corp filed Critical Tiandi Changzhou Automation Co Ltd
Priority to CN202010428668.1A priority Critical patent/CN111709606B/zh
Publication of CN111709606A publication Critical patent/CN111709606A/zh
Application granted granted Critical
Publication of CN111709606B publication Critical patent/CN111709606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
    • E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
    • E21F17/18—Special adaptations of signalling or alarm devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G08B21/16—Combustible gas alarms

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Mining & Mineral Resources (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Animal Husbandry (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Agronomy & Crop Science (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Geology (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Emergency Management (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明涉及一种基于大数据分析的采掘工作面瓦斯涌出异常预警方法，包括如下步骤：确定监测点及监测点布置；利用数理统计知识建立数据波动异常的判定指标；基于该指标进行瓦斯涌出异常状态预警和瓦斯涌出异常趋势预警；瓦斯涌出异常判定。本发明优化了瓦斯涌出异常一刀切式的报警模式，充分挖掘监测点本身的数据信息，建立了本监测点专属的瓦斯浓度异常涌出的判断标准与方法；将瓦斯异常涌出预警分为状态预警和趋势预警，能够全面掌握瓦斯涌出特征，使预警结果更具说服力；引入变异系数对数据异常波动进行判别，能够精准地发现异常数据，为判定瓦斯涌出异常提供了有效工具。

Description

基于大数据分析的采掘工作面瓦斯涌出异常预警方法
技术领域：
本发明属于煤矿安全技术领域，具体涉及一种基于大数据分析的采掘工作面瓦斯涌出异常预警方法。
背景技术：
采掘工作面瓦斯浓度是煤矿安全监测监控最重要的参数之一，目前对于采掘工作面瓦斯浓度监测监控还是以甲烷浓度超限声光报警或断电控制为主，对于瓦斯涌出异常预警的方法仍然比较稀少。一般情形下采掘面及其回风流中甲烷浓度低于1％可以正常生产，甲烷浓度达到或超过1％进行声光报警或断电闭锁。随着对瓦斯事故不断深入研究，科研工作者发现在采掘面及其回风流瓦斯浓度低于1％的情形下，瓦斯浓度异常波动是煤与瓦斯突出最显著的表现，很多学者也直接提出了将风流中瓦斯浓度变化特征作为煤与瓦斯突出的预警指标，为此进行了许多有益的探索与尝试，因此关注瓦斯涌出异常应是采掘工作面安全监测监控的题中应有之义。
《煤矿安全规程》(2016版)规定应在回采面采场及其进风巷、回风隅角、回风巷以及掘进工作面及其进风分风口和回风流处安装甲烷传感器，《煤矿安全监控***通用技术要求》(AQ6201-2019)规定，煤矿安全监控***应具备甲烷浓度超限声光报警和断电/复电控制功能，掘进工作面和回风流处甲烷传感器甲烷浓度达到或超过1.0％时，声光报警，掘进工作面的进风分风口达到或超过0.5％时，声光报警；采煤工作面和回风流处甲烷传感器甲烷浓度达到或超过1.0％时，声光报警，采煤工作面的进风巷甲烷传感器甲烷浓度达到或超过0.5％时，声光报警。
虽然已对瓦斯浓度进行监测监控，但是是“一刀切”式的报警模式。
对于一个矿井来说，矿井瓦斯来源主要有开采层瓦斯涌出、邻近层瓦斯涌出、煤壁瓦斯涌出、落煤瓦斯涌出和采空区瓦斯涌出，各个瓦斯源的瓦斯涌出量随着开采深度、开采方法和地质构造的不同而不同，即在回采面和掘进面瓦斯涌出量是不同的，受落煤行为和风流影响，回采面、进风巷、回风隅角和回风巷的瓦斯涌出量及涌出特征是不同的，掘进头和回风流瓦斯涌出量和涌出特征也是不同，如果采用一刀切式报警浓度指标，就忽略了煤与瓦斯突出的前兆信息，因此有必要“循点施策”，即遵循各个监测点瓦斯涌出量及涌出特征，制定专属的瓦斯涌出异常预警浓度指标。
发明内容：
针对现有技术的缺点，本发明考虑：首先，依据《煤矿安全规程》的要求确定采掘面瓦斯监测点位置和数量；其次，将瓦斯涌出异常预警分为瓦斯涌出状态预警和瓦斯涌出趋势预警；再次，瓦斯涌出状态预警是对瓦斯涌出进行实时预警，该预警包括瓦斯涌出异常数据的判断和瓦斯涌出异常状态威胁的判定，利用数理统计知识引入变异系数作为瓦斯涌出异常判断和瓦斯涌出异常状态威胁的判定指标；瓦斯涌出趋势预警是以一个生产班或检修班为目标点，利用变异系数判断该生产班或检修班是否异常，发出瓦斯涌出异常趋势威胁预警；最后结合瓦斯涌出异常状态预警结果和趋势预警结果来判定瓦斯涌出异常与否。
本发明的目的在于对采掘工作面瓦斯涌出异常进行精准预警，全面掌握采掘工作面瓦斯涌出特征，提前知晓采掘面瓦斯涌出异常波动行为，以问题为导向，采取必要的防治措施，将瓦斯事故的发生消灭在萌芽中，旨在提供一种基于大数据分析的采掘工作面瓦斯涌出异常精细化预警方法。
为了克服瓦斯涌出预警不精准的问题，优化一刀切式报警模式，推行瓦斯预警区域化预警，充分挖掘各监测点监测数据的信息，同时引入变异系数对瓦斯涌出状态和趋势进行判别，结合两种预警结果发出预警信息，达到循点施策、精准预警目的。
本发明提供一种基于大数据分析的采掘工作面瓦斯涌出异常预警方法，包括如下步骤：
(1)确定监测点及监测点布置；
(2)利用数理统计知识建立数据波动异常的判定指标；
(3)基于该指标进行瓦斯涌出异常状态预警和瓦斯涌出异常趋势预警；瓦斯涌出异常状态预警以每间隔一段时间瓦斯涌出浓度为目标点，先利用变异指标判别当前瓦斯浓度是否为异常，根据异常数据的个数来确定是否发出瓦斯涌出异常状态威胁预警；瓦斯涌出异常趋势预警是以每生产班或检修班瓦斯浓度均值为目标点，利用变异指标判定每班瓦斯涌出是否异常，发出瓦斯涌出异常趋势威胁预警，综合状态预警和趋势预警结果，发出瓦斯涌出异常威胁预警或危险预警信号；
(4)瓦斯涌出异常判定，综合状态预警和趋势预警结果，发出瓦斯涌出异常威胁预警或危险预警信号。
根据规定，步骤(1)中，在掘进头、掘进面回风流、回采面采场、回采面进风巷、回风隅角、回采面回风巷安装甲烷传感器。
在本发明一较佳实施例中，步骤(2)中，引入变异系数r作为判断数据是否异常的指标：
判断指标如下：
当两个数最大值∈(0，0.1]时，不预警；
当两个数最大值∈(0.1，0.2]时，变异系数r大于ra则为异常，ra＝0.6；
当两个数最大值∈(0.2，0.3]时，变异系数r大于rb则为异常，rb＝0.5；
当两个数最大值∈(0.3，0.4]时，变异系数r大于rc则为异常，rc＝0.33；
当两个数最大值∈(0.4，0.5]时，变异系数r大于rd则为异常，rd＝0.25；
当两个数最大值∈(0.5，0.6]时，变异系数r大于re则为异常，re＝0.2；
当两个数最大值∈(0.6，0.7]时，变异系数r大于rf则为异常，rf＝0.16；
当两个数最大值∈(0.7，0.8]时，变异系数r大于rg则为异常，rg＝0.14；
当两个数最大值∈(0.8，0.9]时，变异系数r大于rh则为异常，rh＝0.12；
当两个数最大值∈(0.9，1.0]时，直接标记为异常数据。
在本发明一较佳实施例中，步骤(3)中，瓦斯涌出异常状态预警的判定方法是以一个生产班或检修班为一个周期，从数据库每30s读取一个数据，第一个数据记为a1，第i记为ai，一个周期共有960个数据，对960个数据作出分析，进行异常数据的判断及瓦斯涌出异常状态预警的判定。
其中，异常数据的判断具体包括：数据ai是否异常：求取(ai-1，ai)的变异系数ri和max(ai-1，ai)，判断max(ai-1，ai)属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]、(0.9，1.0]之中的哪个区间，比较ri与变异指标大小，如果ri一直小于变异指标，则说明数据正常，上述计算一直进行到一个生产班或检修班完成；如果ri一旦大于变异指标或者ai∈(0.9,1]，则进入瓦斯涌出异常的判断；
瓦斯涌出异常状态预警的判断具体包括：当ai被认定为异常数据后，以ai-1作为基准点来判断其后5分钟内数据是否异常，即求(ai-1，ai+1)，(ai-1，ai+2)，(ai-1，ai+3)，(ai-1，ai+4)，(ai-1，ai+5)，(ai-1，ai+5)，(ai-1，ai+6)，(ai-1，ai+7)，(ai-1，ai+8)，(ai-1，ai+9)，(ai-1，ai+10)的变异系数，将变异系数与对应的判断指标进行比较，若五分钟内异常数据大于5个，则发出涌出异常威胁预警的信号。
在本发明一较佳实施例中，步骤(3)中，瓦斯涌出异常趋势预警的判定方法是以第i个生产班或检修班的瓦斯监测数据均值Xi(i＞1)为基准值，求取(Xi-1，Xi)的变异系数Ri，确定max(Xi-1，Xi)属于哪个区间，比较Ri与变异指标的大小，若大于变异指标或者Xi∈(0.9,1]，则发出瓦斯涌出异常趋势威胁预警信号。
在本发明一较佳实施例中，步骤(4)中，瓦斯涌出异常判定时，若仅出现瓦斯涌出状态威胁预警或趋势威胁预警，则发出瓦斯涌出异常威胁预警信号；在出现瓦斯涌出状态威胁预警的前提下，本班次趋势预警为威胁状态时，则发出瓦斯涌出异常危险预警信号。
本发明具有以下积极的效果：
(1)优化了瓦斯涌出异常一刀切式的报警模式，充分挖掘监测点本身的数据信息，建立了本监测点专属的瓦斯浓度异常涌出的判断标准与方法；
(2)将瓦斯异常涌出预警分为状态预警和趋势预警，能够全面掌握瓦斯涌出特征，使预警结果更具说服力；
(3)引入变异系数对数据异常波动进行判别，能够精准地发现异常数据，为判定瓦斯涌出异常提供了有效工具。
附图说明：
图1为本发明的监测点及监测点布置的结构示意图；
图2为本发明的瓦斯涌出异常状态预警的流程图；
图3为本发明的瓦斯涌出异常趋势预警的流程图。
具体实施方式：
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本发明通过以下技术方案予以实现。
本发明的基于大数据分析的采掘工作面瓦斯涌出异常预警方法，包括如下步骤：
一、确定监测点及监测点布置。
根据《煤矿安全规程》，在掘进头、掘进面回风流安装甲烷高低浓度传感器T1和T2，在回采面进风巷、回采面、回风隅角、回采面回风巷安装甲烷传感器T0、T1、T2、T3、T4，如图1所示。
二、建立异常数据判断标准。
瓦斯声光报警浓度的阈值是1％，目标是寻找在0-1％的范围内，相对于瓦斯涌出正常波动范围内的异常值，为了能够正确甄别异常值，我们引入了变异系数r
当均值不变的时候，数据离散性越大，变异系数越大；
利用上述公式计算了0-1内相邻两个数据的变异系数，结果如下：
由上表知，当标准差不变时，均值越大，变异系数越小，说明大值之间的变异系数很小，小值之间的变异系数很大，即数ai由0.3→0.5时变异系数为0.25，而数ai由0.5→0.7时变异系数为0.16，虽然数据都增加了0.2，但变异系数不同，因此需针对不同数据制定不同的判别标准。
(0.05,0.2) (0.1,0.2)
r 0.6 0.33
当两数最大值为0.2，另一个小于0.05时，两数的变异系数大于0.6，因此，相邻两数最大值∈(0.1，0.2]时，变异系数r大于ra则为异常，ra＝0.6；
(0.1,0.3) (0.2,0.3)
r 0.5 0.20
当两数最大值为0.3，另一个小于0.1时，两数的变异系数大于0.5，因此，相邻两数最大值∈(0.2，0.3]时，变异系数r大于rb则为异常，rb＝0.5；
(0.1,0.4) (0.2,0.4) (0.3,0.4)
r 0.6 0.33 0.14
当两数最大值为0.4，另一个小于0.2时，两数的变异系数大于0.33，因此，相邻两数最大值∈(0.3，0.4]时，变异系数r大于rc则为异常，rc＝0.33；
(0.1,0.5) (0.2,0.5) (0.3,0.5) (0.4,0.5)
r 0.67 0.43 0.25 0.11
当两数最大值为0.5，另一个小于0.3时，两数的变异系数大于0.25，因此，相邻两数最大值∈(0.4，0.5]时，变异系数r大于rd则为异常，rd＝0.25；
(0.1,0.6) (0.2,0.6) (0.3,0.6) (0.4,0.6) (0.5,0.6)
r 0.71 0.5 0.33 0.2 0.09
当两数最大值为0.6，另一个小于0.4时，两数的变异系数大于0.2，因此，相邻两数最大值∈(0.5，0.6]时，变异系数r大于re则为异常，re＝0.2；
当两数最大值为0.7，另一个小于0.5时，两数的变异系数大于0.16，因此，相邻两数最大值∈(0.6，0.7]时，变异系数r大于rf则为异常，rf＝0.16；
(0.1,0.8) (0.2,0.8) (0.3,0.8) (0.4,0.8) (0.5,0.8) (0.6,0.8) (0.7,0.8)
r 0.14 0.14 0.14 0.14 0.14 0.14 0.14
当两数最大值为0.8，另一个小于0.6时，两数的变异系数大于0.14，因此，相邻两数最大值∈(0.7，0.8]时，变异系数r大于rg则为异常，rg＝0.14；
(0.1,0.9) (0.2,0.9) (0.3,0.9) (0.4,0.9) (0.5,0.9) (0.6,0.9) (0.7,0.9) (0.8,0.9)
r 0.8 0.64 0.5 0.38 0.29 0.2 0.12 0.06
当两数最大值为0.9，另一个小于0.7时，两数的变异系数大于0.12，因此，相邻两数最大值∈(0.8，0.9]时，变异系数r大于rh则为异常，rh＝0.12；
当两数最大值∈(0，0.1]时，不预警；当两个数最大值∈(0.9，1.0]时，直接标记异常数据。
三、瓦斯涌出异常状态预警。
以生产班为例说明瓦斯涌出状态预警的方法，状态预警包括异常数据判别和瓦斯涌出异常判定两个部分，具体流程如图2所示。
1)异常数据判别：
从数据库每30s读取一个数据，第一个数据记为a1，第i记为ai，一个周期共有960个数据，对960个数据作如下分析：
(1)当读取第一个数据a1时，记r1＝0；
(2)当读取第二个数据a2时，首先，求取(a1，a2)的变异系数r2和max(a1，a2)；其次，判断max(a1，a2)属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]之中的哪个区间；再次，根据区间归属确定变异指标(ra、rb、rc、rd、re、rf、rg、rh)；最后，判断变异系数r2是否大于变异指标，若否，则判断a3；
(3)当读取第三个数据a3时，首先，求取(a2，a3)的变异系数r3和max(a2，a3)；其次，判断max(a2，a3)属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]之中的哪个区间；再次，根据区间归属确定变异系数指标(ra、rb、rc、rd、re、rf、rg、rh)；最后，判断变异系数r3是否大于变异系数指标，若否，则判断a4；……；
(4)当读取第i个数据ai时，首先，求取(ai-1，ai)的变异系数ri和max(ai-1，ai)；其次，判断max(ai-1，ai)属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]之中的哪个区间；再次，根据区间归属确定变异系数指标(ra、rb、rc、rd、re、rf、rg、rh)；最后，判断变异系数ri是否大于变异系数指标，若否，则判断ai+1；直到i大于960，则整个班次监测数据判别结束，说明此班瓦斯浓度涌出正常，准备进入下一个周期，同时计算该班次监测数据的平均值，用于趋势预警的判断。
2)瓦斯涌出异常的判定：
当读取ai，发现ri大于变异指标时或者ai∈(0.9,1]，则记录ai为0#异常数据；
而后以ai-1为基准，判断其后五分钟内的数据是否为异常数据；
判断ai+1是否为异常数据：比较(ai-1，ai+1)的变异系数是否大于变异指标或者ai+1是否∈(0.9,1]，若是，则记录ai+1为1#异常数据；
判断ai+2是否为异常数据：比较(ai-1，ai+2)的变异系数是否大于变异指标或者ai+2是否∈(0.9,1]，若是，则记录ai+1位2#异常数据；
判断ai+3是否为异常数据：比较(ai-1，ai+3)的变异系数是否大于变异指标或者ai+3是否∈(0.9,1]，若是，则记录ai+1为3#异常数据；
……
当在其后5min中内出现5个异常数据，则判定瓦斯涌出异常为威胁等级，若5min内异常数据小于5个，则不触动异常预警信号，仍利用相邻两数的变异系数作为判断异常数据的初筛指标。
四、瓦斯涌出异常趋势预警，具体流程如图3所示。
1)计算监测数据基准值：
以一个生产班的监测数据对象，对数据作如下处理：
计算数据的均值
得到监测点生产班均值将/>分别作为生产班代表值，以班为观察点，计算两个相邻生产班的变异系数Ri。
2)判断流程：
首先，将第i个生产班监测数据的均值记为Xi(i＞1)，求(Xi-1，Xi)的变异系数Ri，其次，判断max(Xi-1，Xi)属于属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]之中的哪个区间；
再次，根据区间归属确定变异指标(ra、rb、rc、rd、re、rf、rg、rh)；
最后，判断变异系数Ri是否大于变异指标或者Xi∈(0.9,1]？，若否，则继续往下判断，若是，则发出瓦斯涌出异常威胁预警信号。
五、瓦斯涌出异常判定。
1)若仅出现瓦斯涌出状态威胁预警或趋势威胁预警，则发出瓦斯涌出异常威胁预警信号，说明工作面具有突出危险的可能性较大，需要重点关注，加强管理；
2)在出现瓦斯涌出状态威胁预警的前提下，本班次趋势预警为威胁状态时，则发出瓦斯涌出异常危险预警信号，说明工作面具有突出危险，需停止作业并采取防突措施。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (4)

1.一种基于大数据分析的采掘工作面瓦斯涌出异常预警方法，其特征在于，包括如下步骤：
(1)确定监测点及监测点布置；
(2)利用数理统计知识建立数据波动异常的判定指标，引入变异系数r作为判断数据是否异常的指标：
判断指标如下：
当两个数最大值∈(0，0.1]时，不预警；
当两个数最大值∈(0.1，0.2]时，变异系数r大于ra则为异常，ra＝0.6；
当两个数最大值∈(0.2，0.3]时，变异系数r大于rb则为异常，rb＝0.5；
当两个数最大值∈(0.3，0.4]时，变异系数r大于rc则为异常，rc＝0.33；
当两个数最大值∈(0.4，0.5]时，变异系数r大于rd则为异常，rd＝0.25；
当两个数最大值∈(0.5，0.6]时，变异系数r大于re则为异常，re＝0.2；
当两个数最大值∈(0.6，0.7]时，变异系数r大于rf则为异常，rf＝0.16；
当两个数最大值∈(0.7，0.8]时，变异系数r大于rg则为异常，rg＝0.14；
当两个数最大值∈(0.8，0.9]时，变异系数r大于rh则为异常，rh＝0.12；
当两个数最大值∈(0.9，1.0]时，标记为异常数据；
(3)基于该指标进行瓦斯涌出异常状态预警和瓦斯涌出异常趋势预警；瓦斯涌出异常状态预警以每30s的瓦斯涌出浓度为目标点，先利用变异指标判别当前瓦斯浓度是否为异常，根据异常数据的个数来确定是否发出瓦斯涌出异常状态威胁预警；瓦斯涌出异常趋势预警是以每生产班或检修班瓦斯浓度均值为目标点，利用变异指标判定每班瓦斯涌出是否异常，发出瓦斯涌出异常趋势威胁预警；
瓦斯涌出异常状态预警的判定方法是以一个生产班或检修班为一个周期，从数据库每30s读取一个数据，第一个数据记为a1，第i个数据记为ai，一个周期共有960个数据，对960个数据作出分析，进行异常数据的判断及瓦斯涌出异常状态预警的判定；
异常数据的判断具体包括：数据ai是否异常：求取(ai-1，ai)的变异系数ri和max(ai-1，ai)，判断max(ai-1，ai)属于(0.1，0.2]、(0.2，0.3]、(0.3，0.4]、(0.4，0.5]、(0.5，0.6]、(0.6，0.7]、(0.7，0.8]、(0.8，0.9]之中的哪个区间，比较ri与变异指标大小，如果ri一直小于变异指标，则说明数据正常，上述计算一直进行到一个生产班或检修班完成；如果ri一旦大于变异指标或者ai∈(0.9,1]，则进入瓦斯涌出异常的判断；
瓦斯涌出异常状态预警的判断具体包括：当ai被认定为异常数据后，以ai-1作为基准来判断其后5分钟内数据是否异常，即求(ai-1，ai+1)，(ai-1，ai+2)，(ai-1，ai+3)，(ai-1，ai+4)，(ai-1，ai+5)，(ai-1，ai+5)，(ai-1，ai+6)，(ai-1，ai+7)，(ai-1，ai+8)，(ai-1，ai+9)，(ai-1，ai+10)的变异系数，将变异系数与对应的判断指标进行比较，若五分钟内异常数据大于5个，则发出涌出异常威胁预警；
(4)瓦斯涌出异常判定，综合状态预警和趋势预警结果，发出瓦斯涌出异常威胁预警或危险预警信号。
2.根据权利要求1所述的基于大数据分析的采掘工作面瓦斯涌出异常预警方法，其特征在于：步骤(1)中，在掘进头、掘进面回风流、回采面采场、回采面进风巷、回风隅角、回采面回风巷安装甲烷传感器。
3.根据权利要求1所述的基于大数据分析的采掘工作面瓦斯涌出异常预警方法，其特征在于，步骤(3)中，瓦斯涌出异常趋势预警的判定方法是以第i个生产班或检修班的瓦斯监测数据均值Xi(i＞1)为基准值，求取(Xi-1，Xi)的变异系数Ri，确定max(Xi-1，Xi)属于哪个区间，比较Ri与变异指标的大小，若大于变异指标，则发出瓦斯涌出异常趋势威胁预警信号。
4.根据权利要求1所述的基于大数据分析的采掘工作面瓦斯涌出异常预警方法，其特征在于，步骤(4)中，若仅出现瓦斯涌出状态威胁预警或趋势威胁预警，则发出瓦斯涌出异常威胁预警信号；在出现瓦斯涌出状态威胁预警的前提下，本班次趋势预警为威胁状态时，则发出瓦斯涌出异常危险预警信号。
CN202010428668.1A 2020-05-20 2020-05-20 基于大数据分析的采掘工作面瓦斯涌出异常预警方法 Active CN111709606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010428668.1A CN111709606B (zh) 2020-05-20 2020-05-20 基于大数据分析的采掘工作面瓦斯涌出异常预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010428668.1A CN111709606B (zh) 2020-05-20 2020-05-20 基于大数据分析的采掘工作面瓦斯涌出异常预警方法

Publications (2)

Publication Number Publication Date
CN111709606A CN111709606A (zh) 2020-09-25
CN111709606B true CN111709606B (zh) 2023-07-18

Family

ID=72537544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010428668.1A Active CN111709606B (zh) 2020-05-20 2020-05-20 基于大数据分析的采掘工作面瓦斯涌出异常预警方法

Country Status (1)

Country Link
CN (1) CN111709606B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112282733A (zh) * 2020-10-29 2021-01-29 中煤科工集团重庆研究院有限公司 随钻瓦斯涌出量特征测定煤层瓦斯异常的方法
CN114087023A (zh) * 2021-11-29 2022-02-25 贵州博益科技发展有限公司 一种瓦斯涌出异常的侦测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858228A (zh) * 2010-04-27 2010-10-13 煤炭科学研究总院重庆研究院 掘进面瓦斯涌出动态特征突出连续预测方法
CN108661715A (zh) * 2018-04-17 2018-10-16 天地（常州）自动化股份有限公司 煤矿监控***瓦斯涌出预警结果的评判方法
CN109711632A (zh) * 2018-12-29 2019-05-03 辽宁工程技术大学 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858228A (zh) * 2010-04-27 2010-10-13 煤炭科学研究总院重庆研究院 掘进面瓦斯涌出动态特征突出连续预测方法
CN108661715A (zh) * 2018-04-17 2018-10-16 天地（常州）自动化股份有限公司 煤矿监控***瓦斯涌出预警结果的评判方法
CN109711632A (zh) * 2018-12-29 2019-05-03 辽宁工程技术大学 一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法

Also Published As

Publication number Publication date
CN111709606A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111709606B (zh) 基于大数据分析的采掘工作面瓦斯涌出异常预警方法
CN102608286B (zh) 一种实时监测煤矿瓦斯监测值异常的方法
CN108984817B (zh) 一种tbm刀具磨损量实时评估方法
CN102926810B (zh) 煤与瓦斯突出的预测方法
CN112348237A (zh) 一种动态钻井数据异常趋势检测方法
CN103244187A (zh) 煤与瓦斯突出孕育发展过程预警综合指标体系
CN108571320A (zh) 一种智能化综采工作面的采煤机多级控制方法
CN110619457A (zh) 一种基于安全态势评估的监测传感器布设方法及***
CN109902265B (zh) 一种基于隐马尔可夫模型的井下预警方法
CN110348603B (zh) 一种煤自燃危险程度多源信息融合预警方法
CN111476420A (zh) 一种微震监测冲击地压预警指标优化方法
CN115358494A (zh) 一种地铁盾构下穿施工的危险预警方法
CN106246226A (zh) 一种矿井瓦斯涌出异常的识别方法
CN115492639A (zh) 一种煤巷掘进工作面煤与瓦斯突出预警方法
CN116644975A (zh) 一种防冲隐蔽工程施工的智能监管方法以及***
CN115653691A (zh) 一种基于矿井开采数据分析的安全预警方法及***
CN102155265A (zh) 监测煤矿监控***中的瓦斯量监测信息异常的方法
CN115163195A (zh) 煤矿采煤工作面瓦斯传感器数值失真识别方法与***
CN111461456B (zh) 一种基于瓦斯监控数据瞬时变化特征预警突出危险的方法
CN114970921A (zh) 一种钻井遇阻卡严重度的预警方法及***
CN116658234A (zh) 一种低瓦斯矿井瓦斯涌出异常来源精准侦测和治理方法
CN110985129A (zh) 煤矿采掘工作面煤与瓦斯突出灾变判识方法
CN114088194A (zh) 一种tbm主机振动异常自适应判别方法及tbm
CN113586150A (zh) 一种煤与瓦斯突出预警方法
CN117196877A (zh) 一种基于过程控制的煤矿瓦斯监测与治理评价***及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant