一种煤矿巷道掘进过程中的瓦斯预警方法技术

本发明专利技术公开了一种煤矿巷道掘进过程中的瓦斯预警方法，本发明专利技术属于煤矿安全领域，包括：获取煤矿巷道中瓦斯的历史数据，历史数据包括：瓦斯初始量、瓦斯涌出量和风排瓦斯量；构建前馈神经网络的瓦斯预警模型；基于历史数据训练瓦斯预警模型，得到训练好的瓦斯预警模型；采集煤矿巷道中瓦斯的实时数据，将实时数据输入至训练好的瓦斯预警模型，输出预测结果；基于预测结果，对煤矿巷道进行危险判断，得到危险等级，并将危险等级进行显示，基于所述危险等级采取相应预警方案。本发明专利技术能够对煤矿巷道进行瓦斯预警，同时输出预警时间，能够给工作人员脱离危险区域的时间，保证工作人员身体和生命的安全。生命的安全。生命的安全。

【技术实现步骤摘要】
一种煤矿巷道掘进过程中的瓦斯预警方法


[0001]本专利技术属于煤矿安全领域，特别是涉及一种煤矿巷道掘进过程中的瓦斯预警方法。

技术介绍

[0002]地下开采的煤矿由于煤层赋存条件及矿山生产条件限制，均存在瓦斯突出、瓦斯爆炸、煤尘爆炸的灾害危险。瓦斯突出是指随着煤矿开采深度的增加、瓦斯含量的增加，软弱煤层突破抵抗线，瞬间释放大量瓦斯和煤层气而造成的一种地质灾害。煤矿开采深度越深，瓦斯瞬间释放的能量也会越大。
[0003]现有技术中，煤矿巷道掘进过程中，实时监测瓦斯浓度，针对瓦斯浓度进行实时预警，将减少事故的发生。但是如果瓦斯浓度超过标准值，根据瓦斯的浓度值，无法准确地做出危险的发生时间，无法给工作人员以足够的时间保证身体和生命的安全，导致对瓦斯浓度的预警效率低。

技术实现思路

[0004]本专利技术的目的是提供一种煤矿巷道掘进过程中的瓦斯预警方法，以解决上述现有技术存在的问题。
[0005]为实现上述目的，本专利技术提供了一种煤矿巷道掘进过程中的瓦斯预警方法，包括：
[0006]获取煤矿巷道中瓦斯的历史数据，所述历史数据包括：瓦斯初始量、瓦斯涌出量和风排瓦斯量；
[0007]构建前馈神经网络的瓦斯预警模型；
[0008]基于所述历史数据训练所述瓦斯预警模型，得到训练好的瓦斯预警模型；
[0009]采集煤矿巷道中瓦斯的实时数据，将实时数据输入至所述训练好的瓦斯预警模型，输出预测结果，其中所述预测结果包括瓦斯浓度和预警时间；
[0010]基于所述预测结果，对煤矿巷道进行危险判断，得到危险等级，并将所述危险等级进行显示，基于所述危险等级采取相应预警方案。
[0011]优选地，获取煤矿巷道中瓦斯的历史数据的过程包括：
[0012]获取煤矿巷道的工作日记，对所述工作日记中瓦斯数据进行清洗，得到煤矿巷道中瓦斯的历史数据。
[0013]优选地，构建前馈神经网络的瓦斯预警模型之后还包括：
[0014]获取多个煤矿巷道，基于多个所述煤矿巷道，将所述瓦斯预警模型进行迁移学习，得到适用于多个煤矿巷道的瓦斯预警模型。
[0015]优选地，得到训练好的瓦斯预警模型的过程包括：
[0016]基于所述历史数据，通过随机梯度下降算法对所述瓦斯预警模型中的参数进行优化，得到训练好的瓦斯预警模型；其中所述参数包括权重系数和偏置系数。
[0017]优选地，得到训练好的瓦斯预警模型还包括：
[0018]训练所述瓦斯预警模型时，基于所述权重系数，构建权重系数矩阵，对所述权重系数矩阵进行正则化处理，同时引入ReLU激活函数。
[0019]优选地，输出预测结果的过程包括：
[0020]通过煤矿巷道中多个传感器，得到瓦斯的实时数据，其中所述实时数据包括：瓦斯初始量、瓦斯涌出量和风排瓦斯量；将所述实时数据输入至所述瓦斯预警模型中，输出预测结果；其中所述预警时间为所述瓦斯浓度超过浓度阈值时，预警装置做出预警的时间，所述浓度阈值为瓦斯检查的标准浓度。
[0021]优选地，对煤矿巷道进行危险判断的过程包括：
[0022]若所述瓦斯浓度小于浓度阈值，则危险等级为零；
[0023]若所述瓦斯浓度大于浓度阈值且所述预警时间大于时间阈值，则危险等级为一级；
[0024]若所述瓦斯浓度大于浓度阈值且所述预警时间等于时间阈值，则危险等级为二级；
[0025]若所述瓦斯浓度大于浓度阈值且所述预警时间小于时间阈值，则危险等级为三级；其中所述时间阈值为工作人员脱离危险区域的时间。
[0026]优选地，基于所述危险等级采取相应的预警方案的过程包括：
[0027]当所述危险等级为一级时，及时采用通风设备降低瓦斯浓度；
[0028]当所述危险等级为二级时，同时采用通风设备和瓦斯抽离设备，工作人员及时脱离危险区域；
[0029]当所述危险等级为三级时，及时采用高压水泵降低煤矿巷道温度，同时采用通风设备和瓦斯抽离设备。
[0030]本专利技术的技术效果为：
[0031]本专利技术通过煤矿巷道中瓦斯的历史数据，训练瓦斯预警模型，得到训练好的瓦斯预警模型；采集煤矿巷道中瓦斯的实时数据，将实时数据输入至训练好的瓦斯预警模型，输出预测结果；基于预测结果，对煤矿巷道进行危险判断，得到危险等级，并将危险等级进行显示，基于所述危险等级采取相应的预警方案。本专利技术能够对煤矿巷道进行瓦斯预警，同时输出预警时间，能够给工作人员脱离危险区域的时间，保证工作人员身体和生命的安全。
附图说明
[0032]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0033]图1为本专利技术实施例中的方法流程图。
具体实施方式
[0034]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0035]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0036]实施例一
[0037]如图1所示，本实施例中提供一种煤矿巷道掘进过程中的瓦斯预警方法，包括：
[0038]获取煤矿巷道中瓦斯的历史数据，所述历史数据包括：瓦斯初始量、瓦斯涌出量和风排瓦斯量；
[0039]构建前馈神经网络的瓦斯预警模型；
[0040]基于所述历史数据训练所述瓦斯预警模型，得到训练好的瓦斯预警模型；
[0041]采集煤矿巷道中瓦斯的实时数据，将实时数据输入至所述训练好的瓦斯预警模型，输出预测结果，其中所述预测结果包括瓦斯浓度和预警时间；
[0042]基于所述预测结果，对煤矿巷道进行危险判断，得到危险等级，并将所述危险等级进行显示，基于所述危险等级采取相应的预警方案。
[0043]在一些实施例中，获取煤矿巷道中瓦斯的历史数据的过程包括：获取煤矿巷道的工作日记，对所述工作日记中瓦斯数据进行清洗，得到煤矿巷道中瓦斯的历史数据。
[0044]在一些实施例中，所述瓦斯预警模型包括：输入层、隐藏层和输出层。
[0045]在一些实施例中，构建前馈神经网络的瓦斯预警模型之后还包括：获取多个煤矿巷道，基于所述多个煤矿巷道，将所述瓦斯预警模型进行迁移学习，得到适用于多个煤矿巷道的瓦斯预警模型。
[0046]在一些实施例中，得到训练好的瓦斯预警模型的过程包括：基于所述历史数据，通过随机梯度下降算法对所述瓦斯预警模型中的参数进行优化，得到训练好的瓦斯预警模型；其中所述参数包括权重系数和偏置系数。
[0047]在一些实施例中，得到训练好的瓦斯预警模型的过程还包括：训练瓦斯预警模型时，基于所述权重系数构建权重系数矩阵，对所述权重系数的矩阵进行正则化处理，同时引入ReLU激活函本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤矿巷道掘进过程中的瓦斯预警方法，其特征在于，包括以下步骤：获取煤矿巷道中瓦斯的历史数据，所述历史数据包括：瓦斯初始量、瓦斯涌出量和风排瓦斯量；构建前馈神经网络的瓦斯预警模型；基于所述历史数据训练所述瓦斯预警模型，得到训练好的瓦斯预警模型；采集煤矿巷道中瓦斯的实时数据，将实时数据输入至所述训练好的瓦斯预警模型，输出预测结果，其中所述预测结果包括瓦斯浓度和预警时间；基于所述预测结果，对煤矿巷道进行危险判断，得到危险等级，并将所述危险等级进行显示，基于所述危险等级采取相应预警方案。2.根据权利要求1所述的煤矿巷道掘进过程中的瓦斯预警方法，其特征在于，获取煤矿巷道中瓦斯的历史数据的过程包括：获取煤矿巷道的工作日记，对所述工作日记中瓦斯数据进行清洗，得到煤矿巷道中瓦斯的历史数据。3.根据权利要求1所述的煤矿巷道掘进过程中的瓦斯预警方法，其特征在于，构建前馈神经网络的瓦斯预警模型之后还包括：获取多个煤矿巷道，基于多个所述煤矿巷道，将所述瓦斯预警模型进行迁移学习，得到适用于多个煤矿巷道的瓦斯预警模型。4.根据权利要求1所述的煤矿巷道掘进过程中的瓦斯预警方法，其特征在于，得到训练好的瓦斯预警模型的过程包括：基于所述历史数据，通过随机梯度下降算法对所述瓦斯预警模型中的参数进行优化，得到训练好的瓦斯预警模型；其中所述参数包括权重系数和偏置系数。5.根据权利要求4所述的煤矿巷道掘进过程中的瓦斯预警方法，其特征在于，得到训练好的瓦斯预警模型还包括：训练所述瓦斯预警模...

【专利技术属性】
技术研发人员：邓川，刘公君，黄长国，张鑫海，石忠浩，
申请(专利权)人：贵州安和矿业科技工程股份有限公司，
类型：发明
国别省市：