瓦斯災(zāi)害是煤炭安全生產(chǎn)的主要威脅,煤炭生產(chǎn)過程中雖然對瓦斯進(jìn)行不間斷監(jiān)測,但最初只是以瓦斯?jié)舛缺O(jiān)測數(shù)據(jù)是否超標(biāo)來確定生產(chǎn)是否安全,不確定性高,對生產(chǎn)安全影響大。所以研究利用多地點、長時間瓦斯監(jiān)測數(shù)據(jù)來建立煤礦安全生產(chǎn)狀態(tài)模型,有效分析煤礦生產(chǎn)安全狀態(tài)對煤礦安全生產(chǎn)具有重要的意義。本文通過對煤礦瓦斯災(zāi)害發(fā)生誘因的分析,在已有時間序列預(yù)測算法的基礎(chǔ)上基于數(shù)據(jù)融合的理念,針對瓦斯災(zāi)害預(yù)防控制體系中存在的不足,以神東上灣礦區(qū)的工作面瓦斯監(jiān)測數(shù)據(jù)為樣本,通過構(gòu)建預(yù)測模型,運用數(shù)學(xué)模型方法判斷煤礦區(qū)域瓦斯安全水平,得出煤礦工作面區(qū)域安全狀態(tài)指數(shù)。首先對原始數(shù)據(jù)源進(jìn)行統(tǒng)計分析及數(shù)據(jù)預(yù)處理,以獲取更加完整準(zhǔn)確且貼近實測數(shù)據(jù)的平穩(wěn)時間序列;其次在三種已有時間序列模型的基礎(chǔ)上實現(xiàn)了對于煤礦工作面瓦斯涌出規(guī)律的預(yù)測模型研究,預(yù)測瓦斯數(shù)據(jù)趨勢,使用數(shù)據(jù)實測并且均方根誤差及平均絕對誤差指標(biāo)分別達(dá)到0.007%和0.009%;并在此基礎(chǔ)上提出基于多參數(shù)的瓦斯災(zāi)害預(yù)測模型,完善使用單個傳感器數(shù)據(jù)出現(xiàn)的預(yù)測結(jié)果不夠精確的問題,最大相對誤差,最小相對誤差,平均相對誤差為分別達(dá)到3.35%,1.7%,2.55%。最后對各... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 瓦斯災(zāi)害預(yù)測研究現(xiàn)狀
        1.2.2 數(shù)據(jù)融合研究現(xiàn)狀
    1.3 研究內(nèi)容與技術(shù)路線
    1.4 論文章節(jié)安排
2 瓦斯災(zāi)害評判相關(guān)技術(shù)
    2.1 煤礦瓦斯災(zāi)害分析
        2.1.1 礦井瓦斯災(zāi)害影響因素
        2.1.2 瓦斯事故誘因
        2.1.3 煤礦瓦斯數(shù)據(jù)、信息、預(yù)警和決策
    2.2 時間序列分析方法
        2.2.1 指數(shù)平滑預(yù)測方法
        2.2.2 灰色預(yù)測方法
        2.2.3 相空間重構(gòu)預(yù)測方法
        2.2.4 組合預(yù)測方法
    2.3 數(shù)據(jù)融合理論
        2.3.1 數(shù)據(jù)級融合
        2.3.2 特征級融合
        2.3.3 決策級融合
    2.4 災(zāi)害態(tài)勢評估理論
        2.4.1 廣義態(tài)勢評估
        2.4.2 煤礦瓦斯災(zāi)害態(tài)勢評估
    2.5 本章小結(jié)
3 時間序列預(yù)測方法
    3.1 數(shù)據(jù)預(yù)處理
    3.2 預(yù)測模型構(gòu)建
        3.2.1 指數(shù)平滑
        3.2.2 灰色預(yù)測
        3.2.3 相空間重構(gòu)
    3.3 本章小結(jié)
4 改進(jìn)的時間序列預(yù)測方法
    4.1 組合模型預(yù)測方法
    4.2 模型驗證
    4.3 本章小結(jié)
5 基于多參數(shù)關(guān)聯(lián)的瓦斯災(zāi)害預(yù)測算法
    5.1 多參數(shù)瓦斯?jié)舛阮A(yù)測模型建立
    5.2 預(yù)測結(jié)果與分析
    5.3 危險等級評判體系
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄



本文編號：3198648