基于改进的极端学习机的煤与瓦斯突出预测.docxVIP

基于改进的极端学习机的煤与瓦斯突出预测 煤炭和砖瓦的突出是煤矿开采的一种特殊现象。能在较短时间内向采场空间或巷道喷出大量的碎煤和瓦斯, 可埋藏矿工, 摧毁巷道设施, 造成通风系统紊乱或瓦斯爆炸且容易造成地球气候变暖和对臭氧层的破坏。长期以来, 煤与瓦斯突出一直是威胁煤矿安全生产的主要危害之一。因此, 对煤与瓦斯突出事故进行及时、准确地预测是提高煤矿经济效益, 保障矿井安全生产的关键。目前, 数学方法在煤与瓦斯突出预测中的应用越来越受到重视。该方法是把现代数值分析理论和计算机科学技术相结合, 根据煤矿历史数据进行数学驱动建模。迄今为止, 国内诸多专家学者运用数学方法对瓦斯突出进行预测, 如文昌平, 张子戊等人提出的模式识别模型, 董春游等提出了G-K评价与粗糙集模型方法, 王超等人提出了距离判别分析法, 曲伟等人提出了神经网络预测方法, 郭德勇提出了模糊数学综合评价和聚类方法的煤与瓦斯突出预测。上述研究存在数据信息重叠, 模型结构复杂, 泛化能力较差及较慢的学习效率等不足。为此, 本文提出一种基于主成分分析PCA (Pincipal Component Analysis) 和粒子群-极端学习机的煤与瓦斯突出预测模型。采用PCA对煤与瓦斯突出的辅助变量进行降维处理, 提取其特征信息, 消除相量相关性并送入粒子群-极端学习机预测模型中, 该模型充分利用粒子群PSO (Particle Swarm Optimization) 优化极端学习机ELM (Extreme Learning Machine) 的输入权值和隐层阈值, 提高ELM模型的预测精度和预测效率, 并利用现场实例验证了该模型的有效性。 1 突出的煤炭和砖瓦软测量模型和辅助变量的选择 1.1 瓦斯突出危险程度原因分析 煤与瓦斯突出是一种复杂的矿井动力现象, 受多种因素影响, 借鉴国内外相关研究, 认为煤与瓦斯突出影响因素主要有以下7个。 (1) 煤层瓦斯含量:煤层瓦斯含量受煤矿地质史、煤的变质程度、煤层埋藏深度以及地质条件等因素影响。主要与煤层瓦斯压力、水分、煤的吸附性、孔隙率、温度等因素有关。煤与瓦斯突出与煤层瓦斯含量有极好的相关性。通常情况下, 煤层瓦斯含量越高, 越容易发生煤与瓦斯突出事故。 (2) 瓦斯涌出初速度:瓦斯涌出初速度反映了煤层的构造破坏程度, 巷道影响带中的瓦斯涌出初速度在很大程度上取决于矿上岩体的应力状态和煤层的原始瓦斯含量。在钻孔的某一区段瓦斯涌出速度由增长或稳定变为降低15%以上时, 由巷道工作面到钻孔该区段的距离作为泄压影响带的尺寸。因在上述瓦斯涌出初速度降低的区段, 巷道对工作面附近煤层应力应变状态和瓦斯动力状态的影响表现的不严重, 所以在该区段测定的瓦斯涌出速度绝对值反应了非卸压岩体的瓦斯动力状态, 可以用来评价煤层突出的危险性。 (3) 瓦斯放散速度:煤体的瓦斯放散速度ΔP与煤体表面放散瓦斯的微孔大小和瓦斯渗透流动的孔隙通道有关。当媒体空隙具有相同的大小时, ΔP越大, 瓦斯含量越大。一般情况下, 煤层瓦斯含量越高, ΔP越大;当媒体被破坏程度很大时, ΔP越大, 越容易发生瓦斯突出。当ΔP>20时, 可判定煤与瓦斯突出危险性。 (4) 煤体瓦斯压力:煤体瓦斯压力与游离和吸附的瓦斯有关。煤层瓦斯压力是预测煤层瓦斯含量的前提。瓦斯压力特性可以反映煤与瓦斯突出发生及其危险程度。因此, 煤体的瓦斯压力可以作为估计煤与瓦斯突出的一项重要指标。 (5) 地应力:地应力在煤与瓦斯突出的准备和激发阶段起主导作用, 较快的媒体破碎速度可以导致较高的瓦斯释放功率及剧烈的突出程度, 反之亦然。 (6) 地质构造:地质构造对煤与瓦斯突出影响巨大, 高瓦斯煤矿及受局部集中影响的低瓦斯煤矿均易发生煤与瓦斯突出。 (7) 煤层厚度:厚度越大的煤层越容易发生煤与瓦斯突出灾害。研究人员发现厚度分布不均匀且变化性大的煤层容易发生煤与瓦斯突出事故。 1.2 计算主成分贡献率 主成分分析法是多元统计学中的一种降维技术和特征提取方法。这些主成分在保留原始变量绝大部分信息的同时减少了变量的维度, 从而降低了问题的复杂性。其计算步骤如下: 步骤1对采集到的样本数据进行标准化处理。 其中, xij为第j个样本第i个指标的原始值, x*ij为第j个样本第i个指标的标准值。 步骤2计算相关系数矩阵 其中, 因R为实对称矩阵, 故只需计算其上三角或下三角元素即可。 步骤3计算相关系数矩阵R的特征值 (λ1, λ2, …, λn) 以及相应的特征向量ai= (ai1, ai2, …, ain) , i=1, 2, …, n。即可得到一组主成分Fi为: 步骤4初步选择主成分个数。计算各主成分的贡献率, 第k个主成分的贡献率可以表示为, 则累计贡献率可表示为: 若m个主元的累积贡献率超过一定的指