為實(shí)現(xiàn)瓦斯災(zāi)害智能預(yù)警,從統(tǒng)計(jì)學(xué)角度分析瓦斯涌出時(shí)間序列概率分布特點(diǎn),提出基于正態(tài)性檢驗(yàn)的瓦斯涌出異常預(yù)警方法,利用Matlab對時(shí)間序列進(jìn)行Ryan-Joiner與偏度—峰度聯(lián)合正態(tài)檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明,當(dāng)瓦斯涌出狀態(tài)變化平穩(wěn)沒有大幅度波動時(shí),瓦斯涌出序列服從正態(tài)分布;當(dāng)瓦斯涌出狀態(tài)出現(xiàn)大幅度波動且變化異常時(shí),瓦斯涌出序列不服從正態(tài)分布。利用聯(lián)合正態(tài)檢驗(yàn)方法可實(shí)現(xiàn)瓦斯涌出異常提前預(yù)警,為輔助瓦斯災(zāi)害防治提供理論依據(jù)。 

【文章來源】：軟件導(dǎo)刊. 2020,19(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

瓦斯涌出異常預(yù)警方法流程是發(fā)出預(yù)警信號

結(jié)果檢驗(yàn)結(jié)果圖3Ryan—Joiner檢驗(yàn)結(jié)果（a）第一次異常Ryan-Joiner正態(tài)（b）第二次異常Ryan-Joiner正態(tài)檢驗(yàn)

?醞咚褂砍鍪奔湫蛄脅環(huán)?誘?態(tài)分布作為判斷瓦斯涌出異常的依據(jù)，即當(dāng)t時(shí)刻不滿足R≥Rα及||g1?1.96sg1且||g2?1.96sg2時(shí)，認(rèn)為t時(shí)刻瓦斯涌出序列不符合正態(tài)分布，此時(shí)瓦斯涌出進(jìn)入異常狀態(tài)，并發(fā)出預(yù)警信號以提醒需采取相應(yīng)措施。利用Matlab對該工作面不同時(shí)刻生成的瓦斯涌出時(shí)間序列進(jìn)行Ryan-Joiner與偏度—峰度聯(lián)合正態(tài)檢驗(yàn)，瓦斯涌出異常檢驗(yàn)結(jié)果如圖3、圖4所示。（a）第一次異常Ryan-Joiner正態(tài)（b）第二次異常Ryan-Joiner正態(tài)檢驗(yàn)結(jié)果檢驗(yàn)結(jié)果圖3Ryan—Joiner檢驗(yàn)結(jié)果（a）第一次異常偏度—峰度正態(tài)（b）第二次異常偏度—峰度正態(tài)檢驗(yàn)結(jié)果檢驗(yàn)結(jié)果圖4偏度—峰度檢驗(yàn)結(jié)果對該工作面瓦斯涌出時(shí)間序列進(jìn)行聯(lián)合正態(tài)檢驗(yàn)，挖掘該工作面瓦斯涌出時(shí)間序列分布特征，以此作為瓦斯涌出狀態(tài)判斷依據(jù)。由實(shí)驗(yàn)結(jié)果可看出，當(dāng)時(shí)間序列不符合正態(tài)分布時(shí)，判定此時(shí)刻瓦斯涌出進(jìn)入異常階段，表明瓦斯涌出變化顯著，發(fā)出預(yù)警信號。由圖2（a）可知，第一次瓦斯涌出異常時(shí)間序列t=39min時(shí)，瓦斯?jié)舛葹?.49%，較之前時(shí)段瓦斯?jié)舛扔型蝗辉龃蟮内厔�。由�?shí)驗(yàn)結(jié)果圖3（a）、圖4（a）可看出此時(shí)Ryan-Joiner檢驗(yàn)統(tǒng)計(jì)量R開始位于檢驗(yàn)分位數(shù)之下，序列偏度值與峰度值不滿足||g1?1.96sg1且||g2?1.96sg2的正態(tài)判定條件，此時(shí)發(fā)出報(bào)警信號，隨后瓦斯涌出量發(fā)生大幅度變化，工作面狀況發(fā)生改變。由圖3（b）、圖4（b）實(shí)驗(yàn)結(jié)果分析可知，第二次瓦斯涌出異常共發(fā)出三次預(yù)警信號，分別為：在t=49min時(shí)，瓦斯?jié)舛葹?.80%，瓦斯?jié)舛韧蝗卉S變增大；在t=92mi

【參考文獻(xiàn)】：
期刊論文
[1]瓦斯災(zāi)害預(yù)警模型的Eclat算法[J]. 趙艷芹,張恒,童朝娣.  黑龍江科技大學(xué)學(xué)報(bào). 2019(04)
[2]沈陽市降水量正態(tài)分布檢驗(yàn)及其時(shí)空變化特征[J]. 吉曹翔,李崇,陳鵬心,班偉龍,白冰,宋曉巍,金宇,梁紅.  干旱氣象. 2018(06)
[3]煤與瓦斯突出預(yù)警方法探討[J]. 趙旭生,寧小亮,張慶華,馬國龍.  工礦自動化. 2018(01)
[4]基于Spark Streaming流回歸的煤礦瓦斯?jié)舛葘?shí)時(shí)預(yù)測[J]. 吳海波,施式亮,念其鋒.  中國安全生產(chǎn)科學(xué)技術(shù). 2017(05)
[5]煤與瓦斯突出層次-可拓預(yù)警技術(shù)及應(yīng)用[J]. 郭德勇,胡杰,王彥凱.  中國安全科學(xué)學(xué)報(bào). 2017(01)
[6]基于灰色關(guān)聯(lián)分析-GA-BP模型預(yù)測煤層瓦斯含量[J]. 郝天軒,李鵬飛.  中國礦業(yè). 2016(11)
[7]基于數(shù)據(jù)挖掘技術(shù)的瓦斯災(zāi)害信息特征提取[J]. 劉翔,楊帆.  煤炭技術(shù). 2016(08)
[8]基于Hadoop的神經(jīng)網(wǎng)絡(luò)算法在網(wǎng)絡(luò)學(xué)習(xí)評價(jià)中的應(yīng)用研究[J]. 陳志華.  計(jì)算機(jī)與數(shù)字工程. 2016(02)
[9]我國煤礦瓦斯防治技術(shù)的研究進(jìn)展及發(fā)展方向[J]. 寧德義.  煤礦安全. 2016(02)
[10]基于PCA-GA-BP神經(jīng)網(wǎng)絡(luò)的瓦斯含量預(yù)測分析[J]. 曹博,白剛,李輝.  中國安全生產(chǎn)科學(xué)技術(shù). 2015(05)

博士論文
[1]基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D]. 張海軍.華南理工大學(xué) 2015
[2]基于安全監(jiān)控系統(tǒng)實(shí)測數(shù)據(jù)的瓦斯?jié)舛阮A(yù)測預(yù)警研究[D]. 董丁穩(wěn).西安科技大學(xué) 2012



本文編號：3511858