【技术实现步骤摘要】
本专利技术涉及一种区域瓦斯危险性预测方法，具体是一种煤层瓦斯涌出异常超前预测与预警方法，属于煤矿瓦斯防治。
技术介绍
1、瓦斯灾害是煤矿五大灾害之一，而瓦斯涌出量是矿井瓦斯治理基础参数之一，超前预测瓦斯涌出并预警对矿井瓦斯的日常管理工作及瓦斯灾害的防治有重要指导意义。煤层瓦斯基础参数是影响瓦斯涌出量的关键因素，预测瓦斯涌出量要以煤层瓦斯基础为依据，获得预测区域内煤层瓦斯参数的赋存规律。
2、现有的瓦斯涌出量预测方法依然存在以下不足：一是预测区域参数测点较少，工作面同一深度通常只布置一个测点且测定点间距大，区域参数分布主要依靠数据拟合，导致瓦斯参数的赋存规律不够准确；二是井下现场测定的瓦斯含量等参数无法及时反馈至地面大数据中心，地面大数据中心也无法及时分析数据并给出预测结果，可能导致井下带危作业；三是不能结合矿井大量的历史监测数据和大数据智能化手段进行深度分析，无法动态预测预警瓦斯涌出异常情况。
技术实现思路
1、本专利技术的目的是提供一种煤层瓦斯涌出异常超前探测与预警方法，在多点测定煤层瓦斯含量、煤层瓦斯压力、煤体坚固性系数、钻屑瓦斯解吸指标的基础上，将测定参数实时上传地面大数据中心，然后利用瓦斯涌出量计算模型并结合矿井大量的历史监测数据，智能分析预测煤层瓦斯涌出异常情况并做出预警。
2、为了实现上述目的，本专利技术提供一种煤层瓦斯涌出异常超前探测与预警方法，包括以下步骤：
3、①确定预测区域煤层瓦斯涌出量的主要影响参数，包括：煤层残余瓦斯含量w
4、②在巷道掘进的过程中，沿煤层倾向施工顺煤层超长定向钻孔，对同一钻孔随钻原位测定煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标k1，并且在同一区域布置多个钻孔进行测定，将测定结果实时上传至地面大数据中心；
5、③地面大数据中心收到井下测定的瓦斯参数数据后，大数据平台依据预先建立的瓦斯涌出量影响参数与瓦斯涌出量相关性模型，智能分析预测掘进面前方位置的瓦斯涌出异常情况；同时，在掘进过程中采集井下巷道中的风量监测传感器与瓦斯浓度监测传感器数据，利用机器学习算法深度挖掘其变化规律，以此对瓦斯涌出异常预测结果进行修正；
6、④若预测瓦斯涌出异常，则向井下发送报警信息，设置在井下的语音报警器和灯光报警器会立即进行报警，工人收到报警信息后依据相关预案进行处置，以此达到超前预警的目的。
7、本专利技术步骤①中构建的瓦斯涌出量影响参数与瓦斯涌出量相关性模型为：
8、
9、式中：q为预测区域煤层瓦斯涌出量(m3/min)；
10、px为预测前读取的最近一次测定的煤层残余瓦斯压力数据；
11、up为大数据库中预测区域煤层瓦斯压力的历史样本均值；
12、σp为大数据库中预测区域煤层瓦斯压力的历史样本标准差；
13、fx为预测前读取的最近一次测定的煤体坚固性系数原始数据；
14、uf为大数据库中预测区域煤体坚固性系数的历史样本均值；
15、σf为大数据库中预测区域煤体坚固性系数的历史样本标准差；
16、k1x为预测前读取的最近一次测定的钻屑瓦斯解吸指标原始数据；
17、uk1为大数据库中预测区域钻屑瓦斯解吸指标的历史样本均值；
18、σk1为大数据库中预测区域钻屑瓦斯解吸指标的历史样本标准差；
19、uw为大数据库中预测区域煤层残余瓦斯含量的历史样本均值；
20、ρ为煤的密度(t/m3)。
21、本专利技术通过z-score标准化将煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标k1作为系数对煤层残余瓦斯含量与瓦斯涌出量的关系进行修正，得到较为准确的瓦斯涌出量影响参数与瓦斯涌出量相关性模型，z-score标准化为现有技术。
22、表1为煤与瓦斯突出危险性鉴定的单项指标临界值，表2为根据煤层瓦斯压力或瓦斯含量进行区域预测的临界值。当通过施工顺煤层超长定向钻孔原位测定的上述任一单项临界指标超出其临界值，结果显示在大数据中心的屏幕上；同时，通过预测模型计算得出的瓦斯涌出量变化规律也实时显示屏幕上，当瓦斯涌出量存在异常升高时给出报警信息。
23、表1突出煤层鉴定的单项指标临界值
24、
25、表2根据煤层瓦斯压力或瓦斯含量进行区域预测的临界值
26、
27、本专利技术步骤③中的地面大数据中心包括大数据预测平台及其数据库，数据库中存储矿井瓦斯涌出量影响参数的历史数据、巷道风量数据以及瓦斯浓度数据；同时，巷道掘进过程中每次上传至大数据中心的数据同步存储进入数据库；在每一次预测前，对历史数据进行实时更新和读取分析，使预测结果更加准确。
28、本专利技术步骤②中的顺煤层超长定向钻孔长度不低于工作面倾向长度二分之一，每个钻孔测量煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标k1的次数为3次，且将3次测定数据的平均值作为该钻孔上述参数的测定值储存到地面大数据中心数据库。
29、本专利技术步骤②中的同一区域布置多个钻孔进行测定，测点数量至少设置5个。
30、本专利技术步骤③中的机器学习算法为最小二乘支持向量机预测算法或神经网络预测算法。
31、与现有技术相比，本专利技术综合考虑多个参数对瓦斯涌出量的影响，建立多参数与瓦斯涌出量的相关性模型，通过施工顺煤层超长定向钻孔对同一钻孔随钻原位多点位测定煤层残余瓦斯含量、煤层残余瓦斯压力、煤体坚固性系数以及钻屑瓦斯解吸指标，并将测定结果实时上传至地面大数据中心，地面大数据中心利用机器学习算法对工作面前方的瓦斯异常涌出做出智能预测，及时向井下发出警报从而避免事故，达到超前预警的效果。
32、本专利技术多测点测定煤层残余瓦斯含量、煤层残余瓦斯压力、煤体坚固性系数、钻屑瓦斯解吸指标，无需数据拟合区域瓦斯分布规律，且测定参数实时上传地面大数据中心，并建立矿井瓦斯涌出量影响参数、巷道风量以及瓦斯浓度的历史数据库，基于大数据机器学习算法智能分析瓦斯涌出量变化趋势，能够动态修正预测模型以提高预测准确性，能够精确预测煤层瓦斯涌出异常情况并做出预警。
本文档来自技高网...【技术保护点】
1.一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤①中构建的瓦斯涌出量影响参数与瓦斯涌出量相关性模型为：
3.根据权利要求2所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，所述步骤③中的地面大数据中心包括大数据预测平台及其数据库，数据库中存储矿井瓦斯涌出量影响参数的历史数据、巷道风量数据以及瓦斯浓度数据；同时，巷道掘进过程中每次上传至大数据中心的数据同步存储进入数据库；在每一次预测前，对历史数据进行实时更新和读取分析，使预测结果更加准确。
4.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，所述步骤②中的顺煤层超长定向钻孔长度不低于工作面倾向长度二分之一，每个钻孔测量煤层残余瓦斯含量w、煤层残余瓦斯压力p、煤体坚固性系数f、钻屑瓦斯解吸指标K1的次数为3次，且将3次测定数据的平均值作为该钻孔上述参数的测定值储存到地面大数据中心数据库。
5.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，
6.根据权利要求3所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤③中的机器学习算法为最小二乘支持向量机预测算法或神经网络预测算法。
...【技术特征摘要】
1.一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，步骤①中构建的瓦斯涌出量影响参数与瓦斯涌出量相关性模型为：
3.根据权利要求2所述的一种煤层瓦斯涌出异常超前探测与预警方法，其特征在于，所述步骤③中的地面大数据中心包括大数据预测平台及其数据库，数据库中存储矿井瓦斯涌出量影响参数的历史数据、巷道风量数据以及瓦斯浓度数据；同时，巷道掘进过程中每次上传至大数据中心的数据同步存储进入数据库；在每一次预测前，对历史数据进行实时更新和读取分析，使预测结果更加准确。
4.根据权利要求3所述...
【专利技术属性】
技术研发人员：周福宝，康建宏，张冉，彭程阳，司莎莎，王亚楠，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。