煤与瓦斯突出前兆的非线性预测及支持向量机识别研究

【摘要】： 煤矿瓦斯监测监控系统已基本成形,但是缺乏对事态发展发生的前期预警功能。本文利用煤矿瓦斯监控系统监测的瓦斯浓度数据信息来研究煤与瓦斯突出的发生、发展及其动力学等非线性特征,以及基于支持向量机的煤与瓦斯突出及非突出的预测。主要创新性成果体现在如下几个方面: 1)分别从能量和动量守恒的角度,建立了煤与瓦斯突出的尖点突变模型,得出了突出的突变机理和发生条件,从而为煤与瓦斯突出灾害预测与防止提供了新的理论依据。 2)分析了煤巷掘进工作面瓦斯涌出量的影响因素。理论和监测表明:工作面瓦斯涌出量动态,与工作面前方的突出危险性存在着较好的一致性,突出前工作面瓦斯涌出量变化异常;而非突出时瓦斯浓度比较均匀且较小。指出了工作面瓦斯涌出量动态特征是一项较好的非接触式预测指标,具有不占用作业时间、不施工预测钻孔,能连续动态预测的优势,能弥补现在的瓦斯监测监控系统不能预测煤与瓦斯突出的缺陷。 3)运用混沌动力学理论,研究了突出发生前与不发生突出的对比混沌运动特征。计算了煤巷掘进工作面瓦斯涌出量的Hurst指数,其Hurst指数都小于0.5,表明具有更强的突变性。采用复自相关函数法计算了相空间的延迟时间,发现了突出前瓦斯浓度的相空间延迟时间不小于不发生突出的相空间延迟时间。指出了传统计算关联维方法的缺陷,提出了适用于高维混沌系统的新的关联维算法。发现了突出前瓦斯浓度的关联维都大于不发生突出的;而最小饱和嵌入维却正好相反。改进了考虑到较小演化向量长度及较小的演化角度要求的Wolf算法,发现了突出前瓦斯浓度lyapunov指数的最大值都大于不发生突出的规律。 4)指出了局域预测法中的不足是最邻近点与中心点的关联程度,提出了计算最邻近点的新方法,能有效地防止产生伪邻近点。指出了Lyapunov预报模式预测值的正负取舍对瓦斯浓度预报的整体精度有较大影响,提出了Lyapunov预报模式预测值的判定思路,并且也提出了相应的判定算法。提出了基于小波与混沌集成的混沌时间序列的预测方法。本文改进的加权一阶局域预测法、改进的Lyapunov指数模式预测法及基于小波与混沌集成的混沌预测法,并且具有相当高的精度。 5)提出了利用支持向量机来识别掘进工作面监测信息中的突出危险性。研究了突出危险性模式识别的核函数构造原理和算法。得出了煤与瓦斯突出及非突出的掘进工作面的监测瓦斯浓度的时域特征向量、频域特征向量、小波域特征向量、分形与混沌特征向量。而且支持向量机能应用在常规煤与瓦斯突出预测和KBD7煤岩动力灾害电磁辐射监测仪的数据处理。结果表明:支持向量机模型识别器解决了小样本、非线性、高维数、局部极小值等实际问题,具有良好的分类识别效果。 本文采用Visual C#2005和Matlab7.0语言,开发了煤与瓦斯突出前兆的支持向量机识别系统,与原有的煤矿瓦斯监测监控系统进行数据通信,实现连续非接触式地识别煤与瓦斯突出及非突出,预测结果是可信的,与实际是吻合的,具有重大的现实意义。 论文有图113幅,表19个,参考文献161篇。