一種上隅角瓦斯濃度預測方法
【技術領域】
[0001]本發明涉及巷道通風工程，特別是涉及上隅角處的瓦斯濃度預測。
【背景技術】
[0002]近年來，隨著煤炭開采機械化的發展，回采工作面逐漸具有采高大、采長大、走向長的特點，因而采空區面積增大，常造成回采工作面，尤其是上隅角瓦斯超限。采空區漏風流場易引起上隅角瓦斯積聚，各煤層瓦斯含量隨之增大，瓦斯治理難度也逐漸增大，嚴重影響了綜合機械化采煤方法的應用和煤礦企業安全、高效生產。
[0003]上隅角瓦斯濃度容易超限是某些通風方法的固有缺陷，但由于這些通風方法比較簡單，一些煤礦仍在采用。治理上隅角瓦斯濃度超限比較有效的方法包括打高位鉆孔抽采采動裂隙區瓦斯、上隅角插(埋)管抽采采空區瓦斯等。但是如何預測這些治理的效果如何；影響瓦斯綜合治理措施效果的因素有很多，如何找出哪些因素重要，進而有的放矢的進行治理，成為了目前研究的重點。
[0004]近年來，灰色關聯度分析在系統預測方面取得了一定的研究成果和應用效果。在采礦工程領域，灰色預測理論較多的應用于礦井瓦斯災害的預測和評價研究。利用支持向量機方法建立煤與瓦斯突出預測模型；利用遺傳算法同支持向量機方法相結合建立了瓦斯涌出量預測模型。但是這些方法無法滿足對上隅角瓦斯濃度進行準確預測的同時，分析出影響瓦斯綜合治理措施效果的重要因素。
[0005]針對上述問題，為了準確預測執行瓦斯綜合治理措施后的工作面上隅角瓦斯濃度并找到影響治理效果的重要因素，認為礦井采煤工作面瓦斯涌出是一個非典型的時序序列，應利用相對變率關聯度對原始樣本進行分析，結合支持向量機方法進行預測。所以，建立了基于GA和SVR的礦井工作面在瓦斯綜合治理措施下的上隅角瓦斯濃度預測模型。
【發明內容】
[0006]I相對變率關聯度
設系統母因素行為時間序列為石 =(?⑴，^2),…，&如)，子因素行為時間序列為Xr (^i(I), Xi(2),…，xjn).、，…，m。
[0007]將時間序列作為時間的函數，表示某一事物的發展過程，而描述事物發展過程比較合理的指標是相對變化速率，若相對變化速率基本一致，則可認為兩序列有較高的相關程度。關聯系數如下式所示:
I/ ξ =1+ Ax0(t)/x0(t)- Axi(t)/xi(t) I,式中，Zl Xi (V=Xjit+!)-Xj(t)，i=0, I,…，m，AXi(t)/Xi (t)為序列在時刻拍勺相對變化速率。
[0008]相對變率關聯度為如下式所不:(n-1) !Ttli= ξ U1⑴+ ξ。2 (t)+...+ ξ.D (t)。
[0009]將母因素序列、子因素序列歸一化后，進行關聯度計算，并定義序列的權重如下式所示:
9 i=r0i/( r01+ r02+—+ 式中，^表示第i個子因素序列的權重值。變換后的子因素序列如下式所示: X^=QiXi。
[0010]2 SVM 回歸(SVR)
回歸分析也稱函數估計，指依據有限的實驗數據(觀測樣本)來分析得出回歸函數，從而用所求回歸函數對所關心的數據(預測數據)進行預測。支持向量機回歸分析的基本思想是:定義最優線性超平面，并把尋找最優線性超平面的算法歸結為求解一個凸規劃問題，進而基于Mercer核展開定理,通過非線性映射Φ，把樣本空間映射到一個高維乃至于無窮維的特征空間(HiIbert空間)，使在特征空間中可以應用線性學習機的方法解決樣本空間中的高度非線性回歸等問題。簡單地說就是對樣本數據進行升維和線性化。
[0011]給定一組訓練樣本集(Z1J1)，U，72)，…，(不，7/)，其中不e K為η維向量，通常為預測因子值；兄為預測對象；7為訓練樣本的個數。另外給出待預測數據集不+7，Xi+2，…，尋求對應的Λ輸出值，m為待預測樣本個數。其回歸問題為尋求一個誤差為ε -不敏感誤差函數的最優回歸超平面，使得其對訓練樣本數據擬合最好，其函數如下式所示:
F(X)=WX+b
為排除回歸問題中的噪音干擾，使得模型更具準確性，引入松弛變量ξ i和懲罰系數C，則上述尋求最優回歸超平面的問題轉化為求解一個二次凸規劃問題如下式所示:
Min1.5 W '+ΟΚξ?+ξ；)}
Subject to:Jrj-(W.X) ε + ξ yiW.X1) +b-yf ε +ξ \ξ ^ 0，ξ O
通過對上式進行拉格朗日函數轉換及應用KKT條件 α i ( ε + I ?_Υ?+ (WXi) +b) =0 α *i ( ε + I i+Y1- (WXi) -b) =0 (C- a J ξ i=0
(C-Qii) ξ>0
最后可求得最優回歸超平面的解析表達式如下式所示:
F⑴=Σ(α「α') (XXi)+b 式中，a jP α '為Lagrange系數。
[0012]3 GA-SVR建模及實例分析
利用基于相對變率關聯度分析后的序列數據作為支持向量機的學習樣本，從而可以得到GA-SVR預測模型。
[0013]以礦井工作面瓦斯綜合治理措施后的上隅角瓦斯濃度檢測數據為模型學習樣本，建立上隅角瓦斯濃度的GA-SVR預測模型，分析其應用效果。某礦井A4煤層可采厚度2.67m，煤層傾角14~15°，有1~2層夾矸，賦存較穩定，煤層瓦斯含量3.2 m3/t。頂板以粉砂巖、粗砂巖、砂碌巖和細砂巖組成，底板以粉砂巖、粗砂巖組成，為易冒落的頂板(II類)。其0.6~lm的直接頂上部賦有0.7-1.2m的X煤層，煤層瓦斯含量未知。
【附圖說明】
[0014]圖1懲罰因子C對模型預測標準差的影響。
[0015]圖2真實值與預測值曲線。
【具體實施方式】
[0016]I相對變率關聯度
設系統母因素行為時間序列為石 =(?⑴，^2),…，&如)，子因素行為時間序列為Xr (^i(I), Xi(2),…，xjn).、，…，m。
[0017]將時間序列作為時間的函數，表示某一事物的發展過程，而描述事物發展過程比較合理的指標是相對變化速率，若相對變化速率基本一致，則可認為兩序列有較高的相關程度。關聯系數如下式所示:
I/ ξ =1+| Ax0(t)/x0(t)- Axi(t)/xi(t) ，式中，Zl (^=ZiU+I)-ZiU)，i=0, 1，…，取Axi (t)/Xi (t)為序列在時刻拍勺相對變化速率。
[0018]相對變率關聯度為如下式所不:(n-1) rQi= ξ Q1⑴+ ξ Q2 (t)+...+ ξ.d (t)。
[0019]將母因素序列、子因素序列歸一化后，進行關聯度計算，并定義序列的權重如下式所示:
9 i=r0i/( r01+ r02+—+ ι^))
式中，^表示第i個子因素序列的權重值。變換后的子因素序列如下式所示:
X i= Θ
2 SVM 回歸(SVR)
回歸分析也稱函數估計，指依據有限的實驗數據(觀測樣本)來分析得出回歸函數，從而用所求回歸函數對所關心的數據(預測數據)進行預測。支持向量機回歸分析的基本思想是:定義最優線性超平面，并把尋找最優線性超平面的算法歸結為求解一個凸規劃問題，進而基于Mercer核展開定理,通過非線性映射Φ，把樣本空間映射到一個高維乃至于無窮維的特征空間(HiIbert空間)，使在特征空間中可以應用線性學習機的方法解決樣本空間中的高度非線性回歸等問題。簡單地說就是對樣本數據進行升維和線性化。
[0020]給定一組訓練樣本集(Z1J1)，U，72)，…，(不，乃)，其中不e K為η維向量，通常為預測因子值；兄為預測對象；7為訓練樣本的個數。另外給出待預測數據集不+7，Xi+2，…，尋求對應的Λ輸出值，m為待預測樣本個數。其回歸問題為尋求一個誤差為ε -不敏感誤差函數的最優回歸超平面，使得其對訓練樣本數據擬合最好，其函數如下式所示:
F(X)=WX+b
為排除回歸問題中的噪音干擾，使得模型更具準確性，引入松弛變量ξ i和懲罰系數C，則上述尋求最優回歸超平面的問題轉化為求解一個二次凸規劃問題如下式所示:
Min1.5 W 2+〇Σ(ξ?+ξ;)}
Subject to:Jrj-(W.X) ε + ξ yiW.X1) +b-yf ε +ξ \ξ ^ 0，ξ O
通過對上式進行拉格朗日函數轉換及應用KKT條件 α i ( ε + I ?_Υ?+ (WXi) +b) =0 α *i ( ε + I i+Y1- (WXi) -b) =O (C- α J ξ i=0
(C-Qii) ξ>0
最后可求得最優回歸超平面的解析表達式如下式所示:
F⑴=Σ(α「α') (XXi)+b 式中，a jP α '為Lagrange系數。
[0021]3 GA-SVR建模及實例分析
利用基于相對變率關聯度分析后的序列數據作為支持向量機的學習樣本，從而可以得到GA-SVR預測模型。
[0022]以礦井工作面瓦斯綜合治理措施后的上隅角瓦斯濃度檢測數據為模型學習樣本，建立上隅角瓦斯濃度的GA-SVR預測模型，分析其應用效果。某礦井A4煤層可采厚度2.67m，煤層傾角14~15°，有1~2層夾矸，賦存較穩定，煤層瓦斯含量3.2 m3/t。頂板以粉砂巖、粗砂巖、砂碌巖和細砂巖組成，底板以粉砂巖、粗砂巖組成，為易冒落的頂板(II類)。其0.6~lm的直接頂上部賦有0.7-1.2m的X煤層，煤層瓦斯含量未知。
【主權項】
1.一種上隅角瓦斯濃度預測方法，其特征在于，為了準確預測執行瓦斯綜合治理措施后的工作面上隅角瓦斯濃度，提出了一種基于灰色關聯分析的支持向量機預測模型 '齙蕾勿70步Jf:以礦井工作面上隅角瓦斯濃度測試數據為訓練樣本，通過編制Matlab計算程序，實現了 GA-SVM模型的建立與預測;農貧矽上隅角處的瓦斯濃度預測，樣本參數包括:上隅角瓦斯濃度％，產量t，風量m3.mirT1，高位鉆孔抽放量m3.mirT1，上隅角抽放量m3相對變率關聯度的確定，將時間序列作為時間的函數，表示某一事物的發展過程，而描述事物發展過程比較合理的指標是相對變化速率，若相對變化速率基本一致，則可認為兩序列有較高的相關程度，關聯系數為 1/ξ=1+| Ax0(t)/x0(t)- AXi(t)/Xi(t) |，式?^,Δ X1CO=X1 (?+l)-Xi(t), i=0, I, ''',/!!,Ax1 (t)/Xi (t)為序列在時亥Ij ?的相對變化速率，相對變率關聯度為O1-Drtli= ξ 01 (t)+ ξ C12 (t)+…+ ξ O^1) (t)，將母因素序列、子因素序列歸一化后，進行關聯度計算，并定義序列的權重如式⑶所示，0i=rOi/( r01+ r02+...+ I^1))式中，^表示第i個子因素序列的權重值。
【專利摘要】本發明公開了一種上隅角瓦斯濃度預測方法，其特征在于，為了準確預測執行瓦斯綜合治理措施后的工作面上隅角瓦斯濃度，提出了一種基于灰色關聯分析的支持向量機預測模型；其包括如下步驟：以礦井工作面上隅角瓦斯濃度測試數據為訓練樣本，通過編制Matlab計算程序，實現了GA-SVM模型的建立與預測；本發明可用于上隅角處的瓦斯濃度預測。
【IPC分類】G06F19-00
【公開號】CN104598738
【申請號】CN201510038158
【發明人】榮德生, 賀瑩, 崔鐵軍, 赫飛, 馬恒
【申請人】遼寧工程技術大學
【公開日】2015年5月6日
【申請日】2015年1月26日