【摘要】：井工煤礦是我國煤礦的主體。由于煤炭資源賦存的地質(zhì)結(jié)構(gòu)非常復(fù)雜,與煤系地層共生的地下水、火、瓦斯、地溫、煤塵和頂板等多相介質(zhì)受采礦工程動態(tài)作業(yè)的影響,改變了地下空間環(huán)境中固體、液體和氣體等的物理、化學(xué)和力學(xué)等自然特性,在地應(yīng)力或其他外部因素擾動下失穩(wěn)、失控,造成圍巖斷裂、巷道破壞、煤與粉塵突出、透水、瓦斯等煤礦事故災(zāi)害。瓦斯事故是一項危害較為嚴(yán)重的事故。2014年,全國煤礦發(fā)生瓦斯事故47起、死亡266人,同比減少15起、101人,分別下降24.2%和27.5%。雖然近幾年煤礦瓦斯事故逐年大幅度下降,但瓦斯事故總量依然較大,重大瓦斯事故沒有得到有效遏制,非法違規(guī)生產(chǎn)礦井瓦斯事故多發(fā),煤礦瓦斯防治形勢依然嚴(yán)峻。由于巖體破壞形式的多樣性、煤巖物理力學(xué)性質(zhì)的非線性及瓦斯賦存與運移過程的復(fù)雜性,導(dǎo)致瓦斯事故發(fā)生的原因、過程及一些細節(jié)問題不十分明確,現(xiàn)場存在著大量特殊的事故現(xiàn)象無法解釋。主要原因在于現(xiàn)場與瓦斯有關(guān)的各種類型的監(jiān)測數(shù)據(jù)沒有得到充分的挖掘和利用,并且瓦斯預(yù)測技術(shù)的研究還很不充分,預(yù)測的準(zhǔn)確性并不高。通過國內(nèi)外瓦斯預(yù)測研究現(xiàn)狀的分析,煤礦瓦斯分析預(yù)測關(guān)鍵在于瓦斯分析方法的有效性和實用性,而傳統(tǒng)方法在分析瓦斯涌出規(guī)律和預(yù)測模型的建立過程中,在影響因素的選取、建模過程以及實際應(yīng)用等方面都具有極大的局限性。巖石或巖體力學(xué)行為具有非線性的本質(zhì)特征,瓦斯活動規(guī)律也具有非線性的復(fù)雜的動力學(xué)屬性,所以,對瓦斯進行預(yù)測研究應(yīng)該充分考慮其非線性特征,利用目前的非線性科學(xué)理論,去尋找對瓦斯數(shù)據(jù)進行預(yù)測的新方法。鑒于礦井瓦斯監(jiān)測數(shù)據(jù)具有混沌特性,利用混沌理論對礦井瓦斯數(shù)據(jù)進行分析和建模是科學(xué)的和實用的。論文首先進行了大量的文獻研究,進行了深刻的分析總結(jié),把煤礦分為低瓦斯礦井和高瓦斯礦井,高瓦斯礦井選取山西陽煤集團新元煤礦為實驗對象,低瓦斯礦井選取北京京煤集團木城澗煤礦、河南能源化工集團城郊煤礦和耿村煤礦為實驗對象,實驗對象涵蓋華北,華中主要礦井,具有較為廣泛的代表性;深入剖析了瓦斯數(shù)據(jù)的混沌特性,并以此進行相空間重構(gòu)、建模,瓦斯數(shù)據(jù)的插值算法對比研究,最后進行瓦斯混沌時間序列預(yù)測模型分析、應(yīng)用與驗證。論文所做的主要工作概括如下:(1)混沌理論研究。研究了混沌理論的起源、混沌系統(tǒng)的基本特征以及時間序列混沌特性判定方法。在此基礎(chǔ)上,對瓦斯時間序列樣本數(shù)據(jù)的選取進行了分類,即根據(jù)采樣周期不同,分別按照每5分鐘、每小時、每天取均值的瓦斯時間序列作為基礎(chǔ)樣本數(shù)據(jù)。通過定性定量分析,利用小數(shù)據(jù)量法和G-P算法分別求最大lyapunov指數(shù)值和關(guān)聯(lián)維數(shù)混沌系統(tǒng)特征量,計算結(jié)果得出三種類型瓦斯樣本時間序列的關(guān)聯(lián)維數(shù)均為非正整數(shù),最大lyapunov指數(shù)均大于零。由此證明了瓦斯時間序列具有混沌特性,對瓦斯所處混沌系統(tǒng)進行短期預(yù)測具有可行性。(2)瓦斯混沌時間序列相空間重構(gòu)。介紹了相空間重構(gòu)的基本理論,使用延遲坐標(biāo)法對重構(gòu)相空間中嵌入維數(shù)和延遲時間兩個主要參數(shù)選取的方法做了比對分析。針對三種不同采樣周期的瓦斯?jié)舛葧r間序列樣本,在確定延遲時間間隔時分別使用自相關(guān)法和互信息法進行對比,結(jié)果得出使用互信息法更符合瓦斯?jié)舛葧r間序列的非線性特征。介紹了cao氏法和偽鄰近點(fnn)法確定嵌入維數(shù),由于偽鄰近點法(fnn)相對更具直觀性,因此采用了偽鄰近點法(fnn)求嵌入維數(shù)。此外,還對相同采樣周期不同數(shù)量級的瓦斯時間序列的延遲時間和嵌入維數(shù)的確定進行分析,所有結(jié)果通過matlab編程實現(xiàn)。結(jié)果表明樣本數(shù)據(jù)量大可以更多地描述動力系統(tǒng)變化規(guī)律,混沌吸引子充分展開而求得熵值較大。因此,延遲時間間隔根據(jù)數(shù)據(jù)量減少而變小,而嵌入維數(shù)不受數(shù)據(jù)量限制,基本保持不變且嵌入維數(shù)的計算結(jié)果和正向分析瓦斯動力系統(tǒng)選擇計算瓦斯涌出量參數(shù)具有前后一致性,由此說明將混沌時間序列反向重構(gòu)混沌吸引子,恢復(fù)原動力系統(tǒng)的方法具有客觀有效性。(3)基于粒子群的三次樣條插值在瓦斯缺失數(shù)據(jù)中應(yīng)用研究。首先,對目前幾種常用的缺失數(shù)據(jù)插值方法及其優(yōu)缺點進行了研究分析。然后,研究了三次樣條插值方法和粒子群算法,三次樣條函數(shù)的插值曲線光滑,插值準(zhǔn)確性高,但是三次樣條插值函數(shù)的系數(shù)求解計算繁瑣,計算效率低,而粒子群算法簡單,參數(shù)較少,易于實現(xiàn),在較短的時間內(nèi)可以產(chǎn)生高質(zhì)量的解。對粒子群算法的改進,提出粒子群算法的慣性權(quán)重采用線性遞減慣性權(quán)重,實現(xiàn)粒子群算法全局搜索和局部搜索之間的平衡。最后,針對瓦斯缺失數(shù)據(jù)的處理,提出一種基于粒子群的三次樣條插值算法,該算法利用自相關(guān)分析確定三次樣條插值函數(shù)的結(jié)點個數(shù),利用粒子群算法求解三次樣條插值函數(shù)的系數(shù)。基于粒子群的三次樣條插值算法,具有粒子群算法的運算簡單,易于實現(xiàn),計算效率高,又具有三次樣條插值方法的插值曲線光滑,插值準(zhǔn)確性高的優(yōu)點,是一種較好的缺失數(shù)據(jù)的處理方法。通過對相同地點不同工作面,不同地點不同工作面的瓦斯缺失數(shù)據(jù)插值的應(yīng)用實例分析,該算法對瓦斯缺失數(shù)據(jù)的插值是有效的,與目前幾種常用的缺失數(shù)據(jù)插值方法進行比較,本文提出的基于粒子群的三次樣條插值算法更加準(zhǔn)確有效。(4)瓦斯混沌時間序列預(yù)測模型分析、應(yīng)用與驗證。取礦井工作面正常工作狀態(tài)下安全監(jiān)控系統(tǒng)監(jiān)測的一維瓦斯時間序列作為樣本數(shù)據(jù),對不同采樣精度、不同數(shù)據(jù)量樣本進行相空間重構(gòu)后,結(jié)合rbf徑向基神經(jīng)網(wǎng)絡(luò)預(yù)測方法和自適應(yīng)預(yù)測方法建立預(yù)測模型,其預(yù)測過程用matlab編程實現(xiàn)。以三維空間方式對預(yù)測結(jié)果進行分析總結(jié),得出以下相應(yīng)的結(jié)論:①通過建立RBF預(yù)測模型和自適應(yīng)預(yù)測模型及應(yīng)用,均實現(xiàn)了較高的預(yù)測精度。從實驗結(jié)果整體看,Volterra自適應(yīng)預(yù)測要優(yōu)于RBF神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果,在數(shù)據(jù)量充足的情況下,采樣周期越小對預(yù)測精度越高。②RBF神經(jīng)網(wǎng)絡(luò)模型是擬合了混沌系統(tǒng)中某一條運動軌跡,對訓(xùn)練樣本以外的外推能力沒有太好的分析。因此要選擇大數(shù)據(jù)量樣本,但同時會面對收斂時間要相對較長。因此,建議樣本盡可能涵蓋變化規(guī)律范圍大,按每小時取2000-3000樣本即可達到較高的預(yù)測精度。③自適應(yīng)預(yù)測模型是利用當(dāng)前已知的數(shù)據(jù)和當(dāng)前的預(yù)測變化來實時修正模型權(quán)值參數(shù),從而達到較高的預(yù)測精度。樣本數(shù)量取1000-2000左右即可達到較好的預(yù)測精度,樣本數(shù)據(jù)量不需要取無限大。由于Volterra自適應(yīng)模型可綜合利用具有非線性和線性特性的因素,符合混沌時間序列的非線性特征,且具有較好的抗噪能力。因此利用Volterra自適應(yīng)模型可有效預(yù)測低維的混沌時間序列。④分別對從兩個不同煤礦選取的瓦斯時間序列的進行混沌特性分析,并對預(yù)測結(jié)果進行了驗證。實驗結(jié)果表明,利用混沌理論的相空間重構(gòu)建立的兩種預(yù)測模型在不同地質(zhì)條件下的不同煤礦均有適用性,對不同類型樣本的預(yù)測結(jié)果和前面的結(jié)論具有一致性,進一步驗證了針對非線性瓦斯混沌時間序列進行混沌短期預(yù)測的有效性。此外,通過對異常狀態(tài)下瓦斯突出時間序列的混沌特性進行分析,發(fā)現(xiàn)在發(fā)生瓦斯突出前3天左右瓦斯時間序列混沌特征更強烈。由此可證明,瓦斯時間序列混沌特征量的變化情況,可作為煤礦瓦斯事故發(fā)生前征兆的判斷依據(jù),實現(xiàn)對瓦斯時序的短期預(yù)測及對瓦斯事故發(fā)生前的異常征兆判斷。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TD712.5

【相似文獻】

相關(guān)期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J];計算機應(yīng)用;2017年02期

2 王金策;楊寧;;時間序列趨勢預(yù)測[J];現(xiàn)代計算機(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點的證券時間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價預(yù)測及實證研究[J];智富時代;2017年02期

5 周仰;;《漫長的告別》(年度資助攝影圖書)[J];中國攝影;2017年04期

6 王嵬;;王嵬作品[J];當(dāng)代油畫;2017年07期

7 劉明華;張晉昕;;時間序列的異常點診斷方法[J];中國衛(wèi)生統(tǒng)計;2011年04期

8 郭崇慧;蘇木亞;;基于獨立成分分析的時間序列譜聚類方法[J];系統(tǒng)工程理論與實踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時間序列的分類方法[J];計算機研究與發(fā)展;2011年S3期

10 萬里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時間序列分類框架[J];電子與信息學(xué)報;2010年02期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 張可;李媛;柴毅;黃磊;;基于分段趨勢的符號化時間序列聚類表示[A];第37屆中國控制會議論文集（D）[C];2018年

3 張立波;龐蓉蓉;王勇;黃敏;何成濤;傅強;曲賢敏;仲昭衍;;基于時間序列的隨機質(zhì)控設(shè)計與應(yīng)用[A];中國輸血協(xié)會第九屆輸血大會論文專輯[C];2018年

4 徐光晶;;統(tǒng)計學(xué)在大地電磁測深時間序列處理中的應(yīng)用[A];2017中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（二十九）——專題57：電磁地球物理學(xué)研究及其應(yīng)用[C];2017年

5 毛宇清;王詠青;王革麗;;支持向量機方法應(yīng)用于理想時間序列的預(yù)測研究[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

6 吳麗娜;黃領(lǐng)梅;沈冰;呂繼強;;黃河上游降水時間序列混沌特性識別與預(yù)測年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國水論壇論文集[C];2009年

7 吳堅忠;路子愚;鄭應(yīng)平;;時間序列社會悖論模型及分析[A];1989年控制理論及其應(yīng)用年會論文集（上）[C];1989年

8 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對復(fù)雜時間序列的熵分析的影響研究[A];中國力學(xué)大會-2015論文摘要集[C];2015年

9 王兆甲;王海良;;一種相似時間序列挖掘算法及其在汽車運動分析中的應(yīng)用[A];2014中國汽車工程學(xué)會年會論文集[C];2014年

10 林忠輝;莫興國;薛玲;;用NDVI時間序列確定作物物侯和作物類型判別[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

相關(guān)重要報紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動率的均值回復(fù)特征[N];期貨日報;2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

3 國家統(tǒng)計局核算司 呂峰;不變價GDP時間序列數(shù)據(jù)的構(gòu)造[N];中國信息報;2016年

4 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

5 何德旭 王朝陽;時間序列計量經(jīng)濟學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟報道;2003年

7 卞紀(jì);我國多時間序列濕地遙感制圖完成[N];中國氣象報;2011年

8 權(quán)證一級交易商 國信證券;正股走勢及時間序列主導(dǎo)下半年權(quán)證市場運行結(jié)構(gòu)[N];證券時報;2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場升勢或?qū)⑿纬蒣N];上海證券報;2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應(yīng)用[N];期貨日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 鄒蕾;基于趨勢基元的時間序列同構(gòu)關(guān)系發(fā)現(xiàn)[D];北京科技大學(xué);2017年

2 康峻;基于時間序列遙感數(shù)據(jù)的植被精細分類與覆蓋度反演研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

3 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡(luò)模型的遙感影像時間序列分類及變化檢測方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2018年

4 丁紅;柳江徑流分析與預(yù)測研究[D];武漢理工大學(xué);2016年

5 周超;集成時間序列InSAR技術(shù)的滑坡早期識別與預(yù)測研究[D];中國地質(zhì)大學(xué);2018年

6 張琪;時間序列流數(shù)據(jù)異常檢測問題的研究[D];山東大學(xué);2019年

7 張方;局部相似分析的統(tǒng)計研究及其在生物時間序列中的應(yīng)用[D];山東大學(xué);2019年

8 郝鵬宇;基于多時相遙感數(shù)據(jù)的作物早期識別[D];中國農(nóng)業(yè)科學(xué)院;2019年

9 丁超;MODIS時間序列重建方法與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2018年

10 魏永強;煤礦瓦斯監(jiān)測數(shù)據(jù)插值與預(yù)測研究[D];中國礦業(yè)大學(xué)(北京);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王浩宇;基于EEMD方法的基金業(yè)績評價研究[D];上海社會科學(xué)院;2019年

2 縱焱;基于組合Shapelets的時間序列分類方法研究[D];中國礦業(yè)大學(xué);2019年

3 王恒健;云工作負載預(yù)測模型研究與實現(xiàn)[D];江蘇大學(xué);2019年

4 武帥;面向時間序列的增量模糊聚類算法研究[D];河南理工大學(xué);2018年

5 王璇;基于MODIS時間序列的河南主要農(nóng)作物種植信息提取[D];河南大學(xué);2019年

6 韓如愿;兩種基于數(shù)據(jù)驅(qū)動的庫存預(yù)測方法研究[D];廈門大學(xué);2017年

7 曹西娟;模糊時間序列在鉆井風(fēng)險概率中的預(yù)測及應(yīng)用[D];西南石油大學(xué);2018年

8 王子一;基于特征提取的時間序列分類方法的研究[D];南京大學(xué);2019年

9 單中南;時間序列半監(jiān)督分類研究[D];河北經(jīng)貿(mào)大學(xué);2019年

10 栗云峰;基于時間序列高分一號影像的南京市農(nóng)業(yè)用地提取方法研究[D];南京大學(xué);2019年

本文編號：2782611