【技術實現步驟摘要】
本申請涉及煤礦瓦斯超限預測，特別涉及一種自適應瓦斯超限長時預測方法及系統。
技術介紹
1、煤礦瓦斯災害是威脅煤礦安全生產的重大災害之一，瓦斯災害直接妨礙了煤礦的正常生產，阻礙了煤炭工業的持續、穩定、健康發展，加強瓦斯災害防治是確保煤炭能源的穩定、可靠供應，促進國民經濟的全面、健康發展的重要保障。
2、隨著對煤礦安全生產的高度重視和煤礦企業自身發展的需要，瓦斯濃度的準確預測、瓦斯突出的災害預報和預防具有重要意義。傳統的瓦斯預測方法是根據含瓦斯煤體性質及其賦存條件的量化指標確定的，比如煤層性質指標、瓦斯指標、地應力指標或綜合指標，來預測其中的單個或多個指標是否超過臨界值，但是傳統預測方法的預測精度難以達到煤礦安全生產的要求。
3、目前，對煤礦瓦斯濃度的預測，一種方法，通過模擬煤礦開采過程中瓦斯氣體的擴散規律構建參數方程進行求解，這種方式的預測結果過于理想化，并不能實際反映煤礦井下的復雜環境。另一方法，通過特征工程或深度學習技術構建預測模型對瓦斯濃度進行預測，但該類方法提取的特征也不能完全表達瓦斯濃度在不同環境下的變化趨勢，導致預測精度不高。
4、因而，亟需提供一種針對上述現有技術不足的技術方案。
技術實現思路
1、本申請的目的在于提供一種自適應瓦斯超限長時預測方法及系統，以解決或緩解上述現有技術中存在的問題。
2、為了實現上述目的，本申請提供如下技術方案：
3、本申請提供了一種自適應瓦斯超限長時預測方法，包括：步驟s101、對
4、步驟s102、根據所示工作面瓦斯濃度t1與所述不同時間尺度特征的皮爾遜相關系數，自適應篩選所述工作面瓦斯濃度t1的最佳預測指標組合；步驟s103、基于灰狼優化算法，對預先構建的informer長時預測模型的優化參數組合進行優化，得到最佳預測模型；步驟s104、基于所述最佳預測模型，對所述工作面瓦斯濃度t1進行超限預測，并基于預先確定的準確性評價指標，對預測結果進行綜合評價。
5、優選的，步驟s101中，基于holt指數平滑算法，對獲取的所述煤礦井下多源數據進行缺失值處理；對缺失值處理后的所述煤礦井下多源數據進行標準化，并基于3σ法對標準化后的數據進行異常值識別；基于自回歸模型，對所述煤礦井下多源數據中識別出的異常值進行處理；對異常值處理后的所述煤礦井下多源數據，分別構造5min、30min、1h、24h的最大值yt，max、最小值yt，min、平均值yt，ave、差分值yt，dif。
6、優選的，按照所述自回歸模型：
7、
8、對所述煤礦井下多源數據中識別出的異常值進行處理；其中，m為所述煤礦井下多源數據中i時刻的異常值；c為常數項；p為自回歸階數，表示時間間隔；為自相關系數；ε為隨機誤差值；xi-j為多源數據中i時刻之前j時刻的歷史觀測值。
9、優選的，按照公式：
10、
11、對異常值處理后的所述煤礦井下多源數據，分別提取5min、30min、1h、24h的最大值yt，max、最小值yt，min、平均值yt，ave、差分值yt，dif；其中，t表示不同的時間尺度；xt表示t時間范圍內異常值處理后的所述煤礦井下多源數據；xt-1表示上個t時間范圍內異常值處理后的所述煤礦井下多源數據。
12、優選的，步驟s102中，包括：計算所述工作面的瓦斯濃度t1與所述不同時間尺度特征的皮爾遜相關系數，自適應提取所述皮爾遜相關系數絕對值位于[0.4，1]的瓦斯超限預測指標組成所述最佳預測指標組合。
13、優選的，步驟s103中，確定所述informer長時預測模型的多頭概率稀疏自注意力機制層數、自注意力蒸餾層數以及全連接層數為所述informer長時預測模型的優化參數組合。
14、優選的，步驟s103中，所述informer長時預測模型包括：編碼器、解碼器；所述編碼器包括3層相同層堆疊而成，且每一層均包含多頭概率稀疏自注意力機制子層和自注意力蒸餾子層；所述解碼器包括2層相同層堆疊而成，且每一層均包含掩碼多頭概率稀疏自注意力機制子層和自注意力機制子層。
15、優選的，步驟s104中，按照公式：
16、
17、計算所述最佳預測模型得到的預測結果和所述目標工作面的瓦斯濃度真實值之間的平均絕對誤差mae、均方誤差mse、均方根誤差rmse、決定系數r2；其中，hk為所述工作面的第k個瓦斯濃度真實值；hk為第k個瓦斯濃度真實值對應的預測結果；jk為所述工作面的k個瓦斯濃度真實值的均值；k∈k，k、k均為正整數。
18、本申請實施例還提供一種自適應瓦斯超限長時預測系統，包括：
19、源數據單元，配置為對獲取的煤礦井下多源數據{t0、t1、t2、t7、fs、w、gt、gl、gw、gp}進行處理，以構造煤礦井下多源數據的不同時間尺度特征；其中，t0為工作面上隅角瓦斯濃度，t1為工作面瓦斯濃度、t2為回風巷瓦斯濃度、t7為避險硐室瓦斯濃度、fs為工作面風速、w為工作面溫度、gt為采空區瓦斯抽采濃度、gl為采空區瓦斯抽采流量、gw為采空區瓦斯抽采溫度、gp為采空區瓦斯抽采壓力；
20、指標單元，配置為根據工作面瓦斯濃度對所述不同時間尺度特征的皮爾遜相關系數，自適應篩選所述工作面瓦斯濃度的最佳預測指標組合；
21、參數優化單元，配置為基于灰狼優化算法，對預先構建的informer長時預測模型的優化參數組合進行優化，得到最佳預測模型；
22、綜合評價單元，配置為基于所述最佳預測模型，對所述工作面瓦斯濃度進行超限預測，并基于預先確定的準確性評價指標，對預測結果進行綜合評價。
23、有益效果：本申請提供的一種自適應瓦斯超限長時預測方法，通過對獲取的煤礦井下多源傳感器數據進行處理，構造煤礦井下多源數據的不同時間尺度特征，并根據煤礦工作面瓦斯濃度t1與不同時間尺度特征的皮爾遜相關系數，自適應篩選工作面瓦斯濃度的最佳預測指標組合；然后，基于灰狼優化算法，對預先構建的informer長時預測模型的優化組合參數進行優化，得到最佳預測模型；最后，基于最佳預測模型，對工作面瓦斯濃度t1進行超限預測，并基于預先確定的準確性評價指標，對預測結果進行綜合評價。籍以，有效解決現有技術中不同礦區、不同煤礦、不同工作面瓦斯超限致災因素差異較大、泛化能力弱、長時預測能力不足的問題，針對不同礦區、不同煤礦、不同工作面自適應選擇最佳預測指標，并構造瓦斯超限的長時尺度特征，從而對工作面瓦斯濃度進行本文檔來自技高網...
【技術保護點】
1.一種自適應瓦斯超限長時預測方法，其特征在于，包括：
2.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟S101中，
3.根據權利要求2所述的一種自適應瓦斯超限長時預測方法，其特征在于，按照所述自回歸模型：
4.根據權利要求2所述的一種自適應瓦斯超限長時預測方法，其特征在于，按照公式：
5.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟S102中，包括：
6.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟S103中，
7.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟S103中，所述Informer長時預測模型包括：編碼器、解碼器；
8.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟S104中，按照公式：
9.一種自適應瓦斯超限長時預測系統，其特征在于，包括：
【技術特征摘要】
1.一種自適應瓦斯超限長時預測方法，其特征在于，包括：
2.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟s101中，
3.根據權利要求2所述的一種自適應瓦斯超限長時預測方法，其特征在于，按照所述自回歸模型：
4.根據權利要求2所述的一種自適應瓦斯超限長時預測方法，其特征在于，按照公式：
5.根據權利要求1所述的一種自適應瓦斯超限長時預測方法，其特征在于，步驟s10...
【專利技術屬性】
技術研發人員：李賞，李全貴，梁運培，郭亞博，劉曉慶，張凱，陳杰，梁佐勝，丁軍堡，
申請(專利權)人：重慶大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。