基于大数据的煤与瓦斯突出的预测方法与应用研究

Big data is produced by coal mine production monitoring and control system, and these big data have improtant significance for the prediction of coal mine disasters. How to utilize thes big data effectively is the value of this research. Big data technology is the implementation of the new technology in the application of big data in this years. Using the technology, the pretreatment monitoring and controlling will product data, feature index extraction, and establish mathematical method which approach to practical predicting, will become the key of coal and gas outburst prediction based on big data. The main research contents include: Big data preprocessing methods and technology of coal and gas outburst disaster, the predicting model of coal and gas outburst based on big data,the evolution of coal and gas outburst prediction model based on big data, software package development of coal and gas outburst disaster prediction. The research result of the project is: from the view of big data, the multi-source heterogeneous fusion operator information framework of coal and gas outburst disaster prediction are established with scientific and practical value, the monitoring and controlling data is converted into valuable application information to solve the problem of coal and gas outburst disaster prediction achieve high level research results, to provide a scientific basis for forecasting the coal and gas outburst disaster and other related fields, futher.

煤矿生产监测监控系统产生大量数据，这些数据对煤与瓦斯突出灾害发生的预测具有重要意义。如何有效科学利用这些大数据是本课题研究的价值。大数据技术是近年来落实大数据应用的新技术，利用该技术预处理监测监控产生数据、降低特征指标维度，及建立符合实际预测数学方法，将成为基于大数据的煤与瓦斯突出灾害预测的关键。本课题的主要研究内容包括：煤与瓦斯突出灾害预测的大数据预处理方法与技术、基于大数据的煤与瓦斯突出预测模型的构建、基于大数据的煤与瓦斯突出预测模型的灾害演化规律研究、开发基于大数据的煤与瓦斯突出灾害智能分析软件包及应用。本课题的研究成果在于：从大数据角度，建立具有科学性和实际价值的煤与瓦斯突出灾害多源异构融合算子的信息框架，将监测监控数据转化为有价值的应用信息，解决煤与瓦斯灾害预测问题，取得高水平的研究成果，进一步为矿山灾害等相关领域预测研究提供科学的依据。

在煤与瓦斯突出预测问题研究中，煤与瓦斯突出灾害受煤矿火灾、矿井通风、矿井配电系统等相关，整合这些方面的大数据，构建相应模型的来解决煤矿煤与瓦斯突出预测问题。.在分析现有的数据挖掘算法基础上，研究设计了针对不同主题的大数据处理预处理方法，包括记忆神经网络算法、深度长短时记忆网络算法、滤波目标跟踪算法、 面向分布式共享数据算法等。 实例分析证实，表明上述算法具有更好的寻优精度、收敛性能和稳定性，应用于不同主题的危险性辨识,通过实验进一步验证策略的有效性和算法的优越性。.从煤与瓦斯突出、瓦斯涌出量、瓦斯浓度三个主题，整合这三个主题大数据，研究煤与瓦斯预测模型。结果表明，所建模型的预测结果与实际情况吻合，其在预测精度和收敛速度方面优于其他模型，更加准确有效地预测煤与瓦斯突出、瓦斯涌出量、瓦斯浓度。.为研究煤与瓦斯预测的灾害演化规律，从矿井通风系统、矿井火灾、矿井配电网、矿井水害、巷道等方面，将这些大数据融合，构建通风阻力分析与优化模型、矿井通风优化模型、矿井突水水源识别模型、输电线路故障辨识模型等。研究表明，大数据融合能够有效降低通风能耗，效果更优，可为矿井提供最合理的解决方案。.开发基于大数据的煤与瓦斯突出突出灾害预测支持系统，并针对不同区域的煤矿企业进行应用研究。研究结果表明，本项目预测结果与实际情况完全一致，有效避免局部最优解，提高了模型的预测准确率。.本项目实现通风阻力与通风动力合理匹配，达到通风系统安全高效运行。对于通风系统优化具有重要的指导意义，提高了矿井通风系统稳定性，优化了通风系统网络结构，节约了大量成本，研究的结果不仅能指导矿井的通风管理工作，保障井下用风安全，同时对于临近矿井也具有借鉴意义，研究成果具有先进性和示范性，经济社会效益显著。