采煤工作面瓦斯涌出量大,導致采煤巷道極易發(fā)生瓦斯積聚,造成瓦斯事故。不同的采煤作業(yè)工序對采煤工作面煤體穩(wěn)定性的破壞程度不同,從而產生不同的瓦斯?jié)舛茸兓?guī)律和特征,其中的關聯(lián)還有待發(fā)掘。論文以采煤工作面瓦斯時間序列為研究對象,提出了采煤工序的分類模型以及預警模型。論文的主要研究內容如下:（1）在分析煤礦采煤工藝及采煤工序的基礎上,研究了瓦斯?jié)舛葧r間序列的變化規(guī)律,論述了利用瓦斯?jié)舛葧r間序列進行采煤工序分類的可行性。根據(jù)采煤工序對煤體的作業(yè)強度的不同,對采煤工序類別進行了劃分。（2）為了提高采煤工序的識別準確率,提出了一種基于小波包能量譜和LM算法改進的BP神經網絡采煤工序分類方法。在降噪處理基礎上,該方法首先利用小波包變換對瓦斯?jié)舛葧r間序列進行分解,然后提取不同采煤作業(yè)工序的小波包能量譜作為特征向量,最后通過神經網絡訓練得到了采煤工序的分類模型。實驗結果表明:使用該方法的分類準確率達到90.5%,準確率比SVM分類模型高9.5%,比KNN分類模型高7.2%。（3）為了提高對瓦斯?jié)舛葧r間序列的預測精度,提出了一種基于經驗模態(tài)分解和長短期記憶網絡的采煤工作面瓦斯?jié)舛阮A測方法。該方法首先利用經... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

小波分解示意圖

常高效的去噪方法，小波閾值去噪只有選取了合適的閾值，才能完全過濾掉信號的噪聲信，保留原始信號中有用的信息。常用的閾值函數(shù)有軟閾值函數(shù)和硬閾值函數(shù)兩種。硬閾值函數(shù)(如圖 2.2)和軟閾值函數(shù)(如圖 2.3)在對小波分解系數(shù)計算時有相同之處也有不同之處，當小波系數(shù)絕對值小于給定閾值時，兩種閾值方法都會將小波系數(shù)計為零，硬閾值函數(shù)對于小波系數(shù)大于閾值的方式是令小波系數(shù)保持不變，而軟閾值函數(shù)令小波系數(shù)等于兩者之差。硬閾值函數(shù)： = { ，| | ， | | (2.4)式(2.4)中， 為分解信號小波系數(shù)， 為小波系數(shù)的估計值， 為閾值， 分別表示分解層數(shù)、樣本位置。軟閾值函數(shù)： = { ( ) д (| | )，| | ， | | (2.5)式(2.5)中， ( )為小波系數(shù)符號函數(shù)， 為小波系數(shù)的估計值， 為閾值， 分別表示分解層數(shù)、樣本位置。

常高效的去噪方法，小波閾值去噪只有選取了合適的閾值，才能完全過濾掉信號的噪聲信，保留原始信號中有用的信息。常用的閾值函數(shù)有軟閾值函數(shù)和硬閾值函數(shù)兩種。硬閾值函數(shù)(如圖 2.2)和軟閾值函數(shù)(如圖 2.3)在對小波分解系數(shù)計算時有相同之處也有不同之處，當小波系數(shù)絕對值小于給定閾值時，兩種閾值方法都會將小波系數(shù)計為零，硬閾值函數(shù)對于小波系數(shù)大于閾值的方式是令小波系數(shù)保持不變，而軟閾值函數(shù)令小波系數(shù)等于兩者之差。硬閾值函數(shù)： = { ，| | ， | | (2.4)式(2.4)中， 為分解信號小波系數(shù)， 為小波系數(shù)的估計值， 為閾值， 分別表示分解層數(shù)、樣本位置。軟閾值函數(shù)： = { ( ) д (| | )，| | ， | | (2.5)式(2.5)中， ( )為小波系數(shù)符號函數(shù)， 為小波系數(shù)的估計值， 為閾值， 分別表示分解層數(shù)、樣本位置。

【參考文獻】：
期刊論文
[1]基于LSTM的腦電情緒識別模型[J]. 闞威,李云.  南京大學學報(自然科學). 2019(01)
[2]我國西北煤炭發(fā)展空間和布局研究[J]. 朱吉茂,李瑞峰,王雷.  中國礦業(yè). 2019(01)
[3]基于支持向量機的礦井瓦斯?jié)舛阮A測應用研究[J]. 趙華天.  煤炭科技. 2018(04)
[4]基于EMD-RVM-Arima的大壩變形預測模型及其應用[J]. 曹恩華,包騰飛,劉永濤,李慧.  水利水電技術. 2018(12)
[5]基于小波變換與頻譜分析的表面形貌分離與重構[J]. 馬驪溟,王宏朋,霍高杰,吳夏宇.  煤礦機械. 2018(12)
[6]小波包分解結合異常值檢測自動去除眼電中眨眼干擾的方法[J]. 王田,李玉榕,陳建國,陳東毅.  福州大學學報(自然科學版). 2018(06)
[7]LSTM在煤礦瓦斯預測預警系統(tǒng)中的應用與設計[J]. 李偉山,王琳,衛(wèi)晨.  西安科技大學學報. 2018(06)
[8]綜采工作面智能化開采現(xiàn)狀及發(fā)展展望[J]. 高有進,羅開成,張繼業(yè).  能源與環(huán)保. 2018(11)
[9]基于灰色理論-多元回歸分析的瓦斯含量預測[J]. 許滿貴,高帥帥,曹艷軍,盧亞楠,王嬌嬌.  煤礦安全. 2018(09)
[10]基于VMD與DE-Elman的瓦斯?jié)舛葎討B(tài)預測[J]. 付華,代巍.  遼寧工程技術大學學報(自然科學版). 2018(04)

博士論文
[1]含瓦斯煤層水力致裂的驅趕瓦斯規(guī)律研究[D]. 盧衛(wèi)永.中國礦業(yè)大學 2018

碩士論文
[1]基于分段矢量量化的時間序列分類研究[D]. 陶志偉.蘇州大學 2017



本文編號：3266404