煤矿智能开采工作面底板突水预测模型、预测方法及系统技术方案

本发明专利技术公开了一种煤矿智能开采工作面底板突水预测模型、预测方法及系统，确定影响因素，采集与统计得到影响因素的具体数值；对具体数值进行预处理，将预处理得到的样本数据作为训练数据集；构建并训练底板突水智能预测模型；将测试数据集输入到训练好的底板突水智能预测模型中，输出最多的类别作为测试数据集所属的类别，即预测结果；通过随机森林算法构建工作面底板突水智能预测模型，解决了现有技术中智能开采工作面底板水害无法实现智能准确预测的问题，煤矿智能开采工作面底板突水智能预测方法，实现了随工作面采动实时动态智能预测底板突水情况，煤矿智能开采工作面底板突水智能预测系统，能够对采煤工作面底板突水进行实时动态智能预测。实时动态智能预测。实时动态智能预测。

【技术实现步骤摘要】
煤矿智能开采工作面底板突水预测模型、预测方法及系统


[0001]本专利技术属于煤矿领域，涉及底板水害智能预测，具体涉及一种煤矿智能开采工作面底板突水预测模型、预测方法及系统。

技术介绍

[0002]随着人工智能的快速发展，煤矿智能化开采已经成为了一种必要的发展趋势，智能化开采将会给矿井安全生产带来重大革新。煤矿智能化开采可大幅减少采煤工作面作业人员，促使煤矿开采达到无人化或少人化的开采目标，进而在一定程度上减少因煤矿事故引起的人员伤亡和财产损失。目前大多数煤矿建立的智能开采工作面的地质及水文地质条件较为简单，然而随着煤炭资源开采向深部逐渐转移，智能开采工作面虽然能够减少作业人员并降低人员伤亡，但仍然面临着煤层底板突水事故的困扰，无法从根本上消除煤层底板突水的隐患，这将严重制约煤矿智能化开采的进一步发展。
[0003]智能开采工作面底板突水与诸多因素有关，其中主要包括底板隔水层厚度、含水层水压、含水层富水性、断层分维值、底板破坏深度、开采高度、开采宽度和工作面推采速度等因素。目前，工作面底板突水主要是采用突水系数法进行评价预测，同时依靠人为经验进行相关的分析判断，缺乏自主学习、主动智能预测和智能决策的方法及系统，致使智能开采工作面底板水害不能做到主动预测与防治，进而制约着煤矿智能化发展的脚步。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的在于，提供一种煤矿智能开采工作面底板突水预测方法及系统，解决现有技术中智能开采工作面底板水害无法实现智能准确预测的技术问题。
[0005]为了解决上述技术问题，本专利技术采用如下技术方案予以实现：
[0006]一种煤矿智能开采工作面底板突水智能预测模型的构建方法，该方法包括以下步骤：
[0007]步骤1，确定影响因素，并通过采集与统计得到影响因素的具体数值；
[0008]所述影因素包括水文地质因素和采掘活动因素；
[0009]所述水文地质因素底板隔水层厚度、含水层水压、含水层富水性和断层分维值；所述采掘活动因素包括底板破坏深度、开采高度、开采宽度和工作面推采速度；
[0010]步骤2，对步骤一中得到的具体数值进行预处理，将预处理得到的样本数据作为训练数据集S；
[0011]步骤3，构建并训练底板突水智能预测模型；
[0012]基于随机森林算法构建底板突水智能预测模型，将训练数据集作为输入，将突水和未突水作为输出，对底板突水智能预测模型进行训练，得到训练好的底板突水智能预测模型。
[0013]本专利技术还包括以下技术特征：
[0014]所述通过采集与统计得到影响因素的具体数值的过程为：
[0015]通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小；通过采集得到含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小。
[0016]所述通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小的具体过程包括以下内容：
[0017]通过统计矿区钻孔数据进行插值处理得到底板隔水层厚度；
[0018]通过对矿井抽水资料统计得到单位涌水量q的进行插值处理得到工作面的单位涌水量q，进而得到含水层富水性；
[0019]通过煤矿采掘工程平面图进行插值得到研究区，用边长为r的正方形网格将研究区划分为正方形块段，再将正方形块段的分维值赋给正方形块段的中心点，得到不同区域的断层分维值。
[0020]所述通过采集得到含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小的具体方法包括以下内容：
[0021]所述含水层水压通过布设于钻孔孔底水压传感器直接采集得到；
[0022]所述底板破坏深度是通过微震监测传感器采集微震信号，将微震信号通过网络通信站传输至地面主站，由地面主站通过对微震信号的分析处理，并结合水文地质资料，解算得到煤层回采过程中煤层底板破坏深度数值大小；
[0023]所述开采高度、开采宽度和工作面推采速度通过地质资料及实际开采情况实时采集得到。
[0024]所述构建并训练底板突水智能预测模型的具体过程为：
[0025]步骤3.1，将训练数据集S输入到底板突水智能预测模型中，将突水和未突水的结果作为目标输出，采用重抽样方法对训练数据集S进行重复抽样，得到ntree个训练数据集S
i
，建立每个训练数据集S
i
相对应的决策树h
i
；
[0026]步骤3.2，从影响因素输入变量中随机选取mtry个属性作为节点分裂的子集，再从子集中选择一个最优的属性进行节点分裂，构建CART树；
[0027]步骤3.3，重复ntree轮步骤3.2，生成ntree个CART树；
[0028]步骤3.4，将生成的多棵决策树组成随机森林，进而得到训练好的底板突水智能预测模型。
[0029]所述预处理为数据进行无量纲化处理，采用MATLAB软件对数据进行无量纲化处理。
[0030]所述样本数据包括8种数据，每种数据均包括n组。
[0031]一种煤矿智能开采工作面底板突水智能预测方法，该方法包括以下步骤：
[0032]步骤一，确定影响因素，并通过采集与统计得到影响因素的具体数值；
[0033]所述影因素包括水文地质因素和采掘活动因素；
[0034]所述水文地质因素底板隔水层厚度、含水层水压、含水层富水性和断层分维值；所述采掘活动因素包括底板破坏深度、开采高度、开采宽度和工作面推采速度；
[0035]步骤二，将步骤一得到的影响因素的具体数值进行预处理，将预处理得到的数据作为测试数据集；
[0036]步骤三，将测试数据集输入到所述训练好的底板突水智能预测模型中，实时获取所述影响因素的数值大小作为新的样本集，将新的样本集输入到底板突水智能预测模型，采用随机森林对新的测试数据集数据进行测试，每棵决策树h
i
均会输出相应的类别h
i
(x
t
)，采用投票的方法，将ntree个决策树中输出最多的类别作为测试数据集所属的类别，得到最终的预测结果；
[0037]所述类别h
i
(x
t
)包括突水和未突水。
[0038]一种煤矿智能开采工作面底板突水智能预测系统，包括依次相连的数据录入单元、数据分析采集单元、数据处理单元、模型智能预测单元、智能决策单元；
[0039]所述数据录入单元用于录入水文地质资料和钻孔数据；
[0040]所述数据分析采集单元用于分析水文地质资料和钻孔数据，采集含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小，以及通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小；
[0041]所述数据处理单元，用于对得到的底板隔水层厚度、含水层富水性、断层分维值、含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤矿智能开采工作面底板突水智能预测模型的构建方法，其特征在于，该方法包括以下步骤：步骤1，确定影响因素，并通过采集与统计得到影响因素的具体数值；所述影因素包括水文地质因素和采掘活动因素；所述水文地质因素底板隔水层厚度、含水层水压、含水层富水性和断层分维值；所述采掘活动因素包括底板破坏深度、开采高度、开采宽度和工作面推采速度；步骤2，对步骤一中得到的具体数值进行预处理，将预处理得到的样本数据作为训练数据集S；步骤3，构建并训练底板突水智能预测模型；基于随机森林算法构建底板突水智能预测模型，将训练数据集作为输入，将突水和未突水作为输出，对底板突水智能预测模型进行训练，得到训练好的底板突水智能预测模型。2.如权利要求1所述煤矿智能开采工作面底板突水智能预测模型的构建方法，其特征在于，所述通过采集与统计得到影响因素的具体数值的过程为：通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小；通过采集得到含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小。3.如权利要求2所述煤矿智能开采工作面底板突水智能预测模型的构建方法，其特征在于，所述通过插值方法得到底板隔水层厚度、含水层富水性和断层分维值的数值大小的具体过程包括以下内容：通过统计矿区钻孔数据进行插值处理得到底板隔水层厚度；通过对矿井抽水资料统计得到单位涌水量q的进行插值处理得到工作面的单位涌水量q，进而得到含水层富水性；通过煤矿采掘工程平面图进行插值得到研究区，用边长为r的正方形网格将研究区划分为正方形块段，再将正方形块段的分维值赋给正方形块段的中心点，得到不同区域的断层分维值。4.如权利要求2所述煤矿智能开采工作面底板突水智能预测模型的构建方法，其特征在于，所述通过采集得到含水层水压、底板破坏深度、开采高度、开采宽度和工作面推采速度的数值大小的具体方法包括以下内容：所述含水层水压通过布设于钻孔孔底水压传感器直接采集得到；所述底板破坏深度是通过微震监测传感器采集微震信号，将微震信号通过网络通信站传输至地面主站，由地面主站通过对微震信号的分析处理，并结合水文地质资料，解算得到煤层回采过程中煤层底板破坏深度数值大小；所述开采高度、开采宽度和工作面推采速度通过地质资料及实际开采情况实时采集得到。5.如权利要求1所述煤矿智能开采工作面底板突水智能预测模型的构建方法，其特征在于，所述构建并训练底板突水智能预测模型的具体过程为：步骤3.1，将训练数据集S输入到底板突水智能预测模型中，将突水和未突水的结果作为目标输出，采用重抽样方法对训练数据集S进行重复抽样，得到ntree个训练数据集S
i
，建立每个训练数据集S
i
相对应的决策树h
i<...

【专利技术属性】
技术研发人员：王皓，尚宏波，周振方，乔伟，薛建坤，刘基，王甜甜，赵春虎，
申请(专利权)人：中煤科工集团西安研究院有限公司，
类型：发明
国别省市：