一种以实测数据为驱动的矿井煤自燃智能分级预警方法

1.本发明涉及煤自燃智能预警技术领域，具体涉及一种以实测数据为驱动的矿井煤自燃智能分级预警方法。


背景技术：

2.矿井火灾是煤矿生产过程中面临的主要灾害之一，其中煤自燃火灾是矿井火灾的主要形式，约占矿井火灾整体比例的90％。煤自燃火灾不仅会烧毁大量煤炭资源，造成巨大经济损失，而且会产生大量有毒有害气体，甚至诱发瓦斯、煤尘爆炸等重特大事故，严重威胁煤炭开采作业人员的生命安全。准确判定煤自燃危险等级对于针对性地采取合理防灭火处理措施具有关键指导作用。
3.现有煤自燃危险等级判定大多采用指标气体分析法，该方法主要是根据实验模拟煤自燃升温氧化过程中指标气体浓度随煤温的变化规律，确定不同煤自燃危险等级下指标气体浓度的阈值，或建立指标气体浓度与煤温的函数关系式。
4.公开号为cn105697063b的中国专利公开了一种基于多参数交叉分析的矿用火情预警方法及系统，该方法通过将现场采集到的co浓度、c2h4浓度、c2h2浓度和温度与根据实验设定的阈值进行比对，判断煤矿监测区域火情所处阶段；公开号为cn111899815b的中国专利公开了一种利用指标气体浓度反演采空区煤温的方法，该方法通过将现场实测的指标气体浓度代入通过实验建立的co和c2h4与煤温的数学关系式，进而反演出煤温，判断采空区煤自燃所处的氧化阶段。
5.然而，在煤炭开采过程中，井下情况复杂多变，监测区域的指标气体长期受到工作面周期来压、风流稀释等环境因素的干扰，实验室条件难以对矿井实际生产环境进行有效模拟，使得基于实验的指标气体判定法容易造成煤自燃漏报误报情况，加大煤炭开采作业人员采取防灭火处理措施的盲目性。此外，煤炭开采过程中，大多为不发火状态，致使有效的发火数据难于获取，因此，在矿井发火样本严重稀缺的情况下，仅利用不发火状态的数据建立一种能够判断煤自燃状态的模型对于保障煤矿安全生产具有重要意义。


技术实现要素：

6.针对上述存在的技术不足，本发明的目的是提供一种以实测数据为驱动的矿井煤自燃智能分级预警方法，其能够有效解决基于实验的指标气体判定法无法考虑现场环境因素干扰而容易造成煤自燃漏报误报的问题，提高矿井煤自燃危险等级判定准确性，增强防灭火施策的针对性，减少防灭火处理的成本。
7.为解决上述技术问题，本发明采用如下技术方案：
8.本发明提供一种以实测数据为驱动的矿井煤自燃智能分级预警方法，包括以下步骤：
9.步骤1：获取监测区域无煤自燃迹象状态下的指标气体参量和环境参量历史数据；
10.步骤2：以所获取到的指标气体参量和环境参量历史数据作为训练样本，采用降噪
自编码网络建立监测区域正常状态多元数据重构模型；
11.步骤3：采用核密度估计法获得模型训练期间的重构误差的概率密度分布，根据置信度确定监测区域异常状态预警阈值；
12.步骤4：确定监测区域煤样自燃过程中标志性气体的初现温度；
13.步骤5：采集监测区域指标气体参量和环境参量数据，结合监测区域正常状态多元数据重构模型、监测区域异常状态预警阈值、标志性气体的检出情况，判断监测区域煤自燃危险等级。
14.优选地，步骤1中，指标气体参量包括o2浓度、co浓度、co2浓度、ch4浓度、c2h6浓度、c3h8浓度、c2h4浓度和c2h2浓度。
15.优选地，步骤1中，环境参量包括矿井监测区域气温、湿度、风速、绝压、压差和矿井外界大气压。
16.优选地，步骤2具体包括以下步骤：
17.步骤2.1：构建降噪自编码网络结构：
18.自编码网络结构的输入层神经元对应于指标气体参量和环境参量的原始数据；
19.隐藏层神经元对应于提取的输入向量的低维特征；
20.输出层神经元对应于指标气体参量和环境参量的重构数据；
21.输入层到隐藏层用于编码，隐藏层到输出层用于解码；
22.步骤2.2：训练降噪自编码网络：
23.通过引入权重衰减项来避免网络训练过程中出现过拟合情况，网络训练的损失函数为：
[0024][0025]
其中，左边项为模型输入值与重构值的均方误差，右边项为权重衰减项；m为样本个数；x
(k)
为第k个样本的原始数据值，x'
(k)
为第k个样本的重构数据值；λ为权值衰减系数；为连接l层第j个神经元与l+1层第i个神经元的权重参数；s1、s2、s3分别为自编码网络输入层、隐藏层和输出层的节点数；
[0026]
为了减少矿井现场环境干扰引起的监测数据受损对自编码网络重构性能的影响，通过在输入层的输入数据中加入随机噪声来增强编码的鲁棒性；
[0027]
首先按照一定比例随机地将输入层节点的值设置为0，获得受损的输入数据，然后将受损的输入数据输入给自编码网络，解码出无损的重构数据；
[0028]
采用拟牛顿法进行降噪自编码网络参数寻优，使得损失函数达到收敛，所得含有最佳参数的降噪自编码网络结构即为监测区域正常状态多元数据重构模型。
[0029]
优选地，步骤2中，监测区域正常状态多元数据重构模型是利用降噪自编码网络深度挖掘监测区域无煤自燃迹象状态下的指标气体参量和环境参量之间的内在关联关系而得到的，其对于监测区域正常状态下的监测数据的重构误差小，而对于监测区域异常状态下的监测数据的重构误差大。
[0030]
优选地，步骤3中，概率密度分布的计算公式为：
[0031][0032]
其中，n为监测参量数目，取值为14；h为带宽；k(
·
)为核密度函数，优选地，以高斯核函数作为核密度函数。
[0033]
优选地，步骤3中，重构误差的计算公式为：
[0034][0035]
其中，x为待测指标气体参量和环境参量的原始数据值，x'为待测指标气体参量和环境参量的重构数据值。
[0036]
步骤3中，置信度取值为0.97～0.99。
[0037]
优选地，步骤4中，监测区域煤样自燃过程中标志性气体的初现温度通过煤自燃标志性气体测定实验确定。
[0038]
优选地，步骤5中，标志性气体包括c3h8气体、c2h4气体、c2h2气体，煤种不同，标志性气体初现的顺序也有所差异，为方便表述，根据标志性气体初现的先后顺序分别将其记为g1、g2、g3。
[0039]
优选地，步骤5中，煤自燃危险等级判断过程如下：
[0040]
将采集到的监测区域指标气体参量和环境参量数据输入监测区域正常状态多元数据重构模型，计算重构误差；
[0041]
若重构误差小于监测区域异常状态预警阈值，说明监测区域无煤自燃危险，属正常状态；
[0042]
若重构误差大于或等于监测区域异常状态预警阈值，则说明监测区域已有煤自燃危险，属异常状态，进一步判断是否检测到g1气体：
[0043]
若未检测到g1气体，则监测区域处于煤自燃一级预警状态；
[0044]
若检测到g1气体，说明监测区域最高温度必然达到/超过g1气体的初现温度，进一步判断是否检测到g2气体：
[0045]
若未检测到g2气体，则监测区域处于煤自燃二级预警状态；
[0046]
若检测到g2气体，说明监测区域最高温度必然达到/超过g2气体的初现温度，进一步判断是否检测到g3气体：
[0047]
若未检测到g3气体，则监测区域处于煤自燃三级预警状态；
[0048]
若检测到g3气体，说明监测区域最高温度必然达到/超过g3气体的初现温度，则监测区域处于煤自燃四级预警状态。
[0049]
本发明的有益效果在于：
[0050]
(1)本发明所建立的煤自燃正常状态多元数据重构模型是以现场实测数据为驱动，可将矿井现场环境因素融入到煤自燃危险程度判定过程之中，充分挖掘煤自燃指标气体参量和环境参量之间的内在关联关系，能够有效解决基于实验的指标气体判定法的漏报误报问题，降低矿井防灭火施策的盲目性。
[0051]
(2)矿井煤炭开采过程中大多为不发火状态，使得有效发火样本数据难于收集，本发明仅使用监测区域无煤自燃迹象状态下的样本数据建立煤自燃正常状态多元数据重构模型，使煤自燃监测预警的样本数据收集工作更加简便易行。
[0052]
(3)本发明所建立的煤自燃正常状态多元数据重构模型能够对监测区域正常状态下的监测数据进行重构，而对于监测区域异常状态的监测数据则不能，基于此，本发明根据小概率事件的思想设定煤自燃异常状态预警阈值，体现了本发明在煤自燃预警方面的有效性和智能性，有利于将矿井煤自燃消灭于萌芽状态。
附图说明
[0053]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0054]
图1为本发明实施例提供的一种以实测数据为驱动的矿井煤自燃智能分级预警方法的流程示意图；
[0055]
图2为本发明实施例提供的降噪自编码网络结构图；
[0056]
图3为本发明实施例提供的正常状态多元数据重构模型训练期间重构误差的概率密度分布图以及所设定的预警阈值；
[0057]
图4为本发明实施例中利用建立的正常状态多元数据重构模型进行煤自燃危险状态判定结果图；
[0058]
图5为本发明实施例中利用传统单一co浓度阈值判定法的煤自燃状态判定结果图
具体实施方式
[0059]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0060]
如图1所示，工作面采空区是矿井发生自燃火灾的主要地点，由于井下采空区冒落空间大且具有极强的隐蔽性特征，难以在其内部全面覆盖性地布设热电偶等测温设备进行煤自燃危险等级判定。工作面上隅角作为采空区涌出气体的主要汇积区域，是采空区煤自燃的重点监测区域。然而，在煤炭开采过程中，井下情况复杂多变，上隅角处的指标气体长期受到工作面周期来压、风流稀释等环境因素的干扰，使得采用现有指标气体判定方法的煤自燃危险等级判定结果可信度大打折扣。本发明以工作面上隅角作为监测区域为例，具体实施步骤如下：
[0061]
步骤1：获取采空区无煤自燃迹象状态下的上隅角处的指标气体参量和环境参量历史数据，其中，指标气体参量包括o2浓度、co浓度、co2浓度、ch4浓度、c2h6浓度、c3h8浓度、c2h4浓度和c2h2浓度，环境参量包括矿井监测区域气温、湿度、风速、绝压、压差和矿井外界大气压；
[0062]
本实施例中，共计获取到14256组样本数据。
[0063]
步骤2：以所获取到的指标气体参量和环境参量数据作为训练样本，采用降噪自编码网络建立监测区域正常状态多元数据重构模型；
[0064]
步骤2.1：构建降噪自编码网络结构。
[0065]
如图2所示，自编码网络结构的输入层神经元对应于指标气体参量和环境参量的原始数据；隐藏层神经元对应于提取的输入向量的低维特征；输出层神经元对应于指标气体参量和环境参量的重构数据。输入层到隐藏层用于编码，隐藏层到输出层用于解码。
[0066]
步骤2.2：训练降噪自编码网络。
[0067]
通过引入权重衰减项来避免网络训练过程中出现过拟合情况。网络训练的损失函数为：
[0068][0069]
其中，左边项为模型输入值与重构值的均方误差，右边项为权重衰减项；m为样本个数；x
(k)
为第k个样本的原始数据值，x'
(k)
为第k个样本的重构数据值；λ为权值衰减系数；为连接l层第j个神经元与l+1层第i个神经元的权重参数；s1、s2、s3分别为自编码网络输入层、隐藏层和输出层的节点数。
[0070]
为了减少矿井现场环境干扰引起的监测数据受损(例如数据缺失)对自编码网络重构性能的影响，通过在输入层的输入数据中加入随机噪声来增强编码的鲁棒性。首先按照一定比例随机地将输入层节点的值设置为0，获得受损的输入数据，然后将受损的输入数据输入给自编码网络，解码出无损的重构数据。
[0071]
采用拟牛顿法进行降噪自编码网络参数寻优，使得损失函数达到收敛。所得含有最佳参数的降噪自编码网络结构即为采空区正常状态多元数据重构模型。
[0072]
步骤3：采用核密度估计法获得模型训练期间的重构误差的概率密度分布，根据置信度确定采空区异常状态预警阈值；
[0073]
概率密度分布的计算公式为：
[0074][0075]
其中，n为监测变量数目，取值为14；h为带宽；k(
·
)为高斯核函数。
[0076]
重构误差的计算公式为：
[0077][0078]
其中，x为待测指标气体参量和环境参量的原始数据值，x'为待测指标气体参量和环境参量的重构数据值。
[0079]
如图3所示，以0.99为置信度，确定采空区异常状态预警阈值为0.3262。
[0080]
步骤4：采集采空区煤样进行煤自燃标志性气体测定实验，确定煤样自燃过程中标志性气体的初现温度；
[0081]
本实施例中，c3h8、c2h4和c2h2标志性气体的初现温度分别为90℃、120℃和225℃。
[0082]
步骤5：利用多参量一体化传感器采集上隅角处的指标气体参量和环境参量数据，将所采集到的指标气体参量和环境参量数据输入采空区正常状态多元数据重构模型，计算重构误差。
[0083]
若重构误差小于采空区异常状态预警阈值，本实施例设预警阈值0.3262，说明采空区无煤自燃危险，属正常状态；
[0084]
若重构误差大于或等于采空区异常状态预警阈值，本实施例设预警阈值0.3262，则说明采空区已有煤自燃危险，属异常状态，进一步判断是否检测到c3h8气体：
[0085]
若未检测到c3h8气体，则监测区域处于煤自燃一级预警状态；
[0086]
若检测到c3h8气体，说明监测区域最高温度必然达到/超过90℃，进一步判断是否检测到c2h4气体：
[0087]
若未检测到c2h4气体，则监测区域处于煤自燃二级预警状态；
[0088]
若检测到c2h4气体，说明监测区域最高温度必然达到/超过120℃，进一步判断是否检测到c2h2气体：
[0089]
若未检测到c2h2气体，则监测区域处于煤自燃三级预警状态；若检测到c2h2气体，说明监测区域最高温度必然达到/超过225℃，则监测区域处于煤自燃四级预警状态。
[0090]
本实施例中，利用多参量一体化传感器连续监测上隅角90个小时，在采集监测数据期间，采空区并没有出现煤自燃迹象，且未检测到c3h8气体、c2h4气体和c2h2气体。
[0091]
将所采集到的指标气体参量和环境参量数据输入所建立的采空区正常状态多元数据重构模型，计算重构误差。
[0092]
如图4所示，可以看出，重构误差一直低于预警阈值0.3262，说明采空区处于正常状态，判定结果与采空区实际状态相符，证明了本发明所提方法的有效性和准确性。
[0093]
然而，如图5所示，采用现有指标气体判定法进行采空区煤自燃状态判定时(通过实验确定co浓度阈值为24ppm)，受工作面周期来压、风流稀释等环境因素的干扰，采样期间co浓度经常出现超过阈值的情况，这与采空区实际发火状态有很大差别，严重加大了采取防灭火处理措施的盲目性，进一步证明了本发明的优势。
[0094]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。