一种预测井下煤自燃温度及定量判识异常分区的方法

本发明涉及煤矿火灾监测预警领域，特别是涉及一种预测井下煤自燃温度及定量判识异常分区的方法。

背景技术：

1、煤矿火灾是影响矿井安全的一大灾害，而采空区遗煤自燃火灾在井下火灾总数的占比达到85％左右。由资料可知，全国有约56％的煤矿受到自然发火的威胁，矿井煤自燃火灾不仅会烧毁大量的煤炭资源，产生大量的高温有毒有害气体严重危及井下人员的生命安全，有时还会引发瓦斯和煤尘爆炸等继发性灾害。

2、矿井煤自燃程度难以准确判断严重阻碍了矿井安全生产，主要表现在：(1)利用指标气体预警煤自燃危险等级，是确定了采空区产出气体类型和浓度代表了煤自燃的不同阶段。但有些指标气体如co，它未氧化时也吸附在煤体中，在煤未发生氧化反应时也会检测到co。(2)由于煤变质程度的不同其产生的气体种类、气体出现温度点和释放量也会有所差异。(3)高瓦斯易自燃煤层防灭火压力大，很多矿井煤自燃精细化预警体系不完善。(4)综采放顶煤技术的大力推广，造成采空区遗煤量大，自燃危险性高，氧化自燃程度难以判断。由于以上问题的存在，使得通过指标气体分析法来预警煤自燃危险等级存在准确度不高的问题，给采空区煤自燃火灾防治带来很大的困难。

3、现有技术中，煤自燃分级预警体系的建立只是通过束管对井下气体进行简单的收集，未测定不同预警气体指标参数组合对预测煤自燃发火状态准确性的影响，且优选的指标气体不具代表性(cn109184800a)；同时，由于采空区的面积较大，当监测点仅布置于进风巷帮和回风巷帮两侧时，如果煤自燃的地点与监测点位置过远，监测点监测的温度与发生煤自燃地点的实际温度就存在巨大的误差，使得温度监测法监测到的煤自燃发火状态具有严重的滞后性，无法实现及时预警(cn116357394a)。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种预测井下煤自燃温度及定量判识异常分区的方法。

2、为了实现本发明的上述目的，本发明提供了一种预测井下煤自燃温度及定量判识异常分区的方法，包括以下步骤：

3、s1，在采空区进行采样点布置：将监测点布置于巷道两侧，巷道任一侧的监测点之间的间隔距离为d；同时在横向工作面，距离置于巷道两侧监测点直线距离为y的地方增加监测点；同时，沿采空区巷道两侧以长为l(采空区横向工作面的)、宽为d(测点之间横向距离)的矩形将采空区划分为v个监测区域；此时，每个区域内有两个监测点；

4、s2，将采样点采集的气体输入气-温煤自燃动态预测模型，从而得到采样点的温度，所述气-温煤自燃动态预测模型通过鲸鱼算法构建；

5、s3，选择区域内的两个监测点中温度较高的温度作为该区域的温度，然后判断该温度是否达到预警等级，若达到预警等级则进行预警处理。

6、进一步地，通过纵向与横向距离之比对y和d进行约束：

7、纵向与横向距离之比其中z需满足z∈(0.5～1.0)。

8、通过对纵向与横向距离的约束，能保证监测点分布均匀，避免过于密集或过于稀疏的情况；且合适的测点间距可以减少不必要的测点数量，降低监测成本。此外，约束条件中的范围设定能满足绝大多数的监测点布置需求。

9、进一步地，采集的气体为气体特征指标气体，包括o2、co、co2、ch4、c2h2、c2h4、c2h6、c3h8中的任意组合。

10、进一步地，还包括对所述特征指标气体进行筛选：

11、对特征指标气体进行排列组合，得到的种不同的复合预警指标参数；

12、然后对不同的复合预警指标参数进行预测分析：分别将不同的复合预警指标参数输入气-温煤自燃动态预测模型中，然后通过性能评估指标进行判断，从而得到最优指标组合参数，即得到筛选后的特征指标气体；

13、所述性能评估指标包括rmse(均方根误差)、r2(判定系数)、mae(平均绝对误差)、mape(平均绝对百分比误差)。

14、进一步地，每个区域的特征指标气体不一定相同，因此，在所述性能评估指标进行判断过程中，进行如下操作：

15、首先，选择评估值综合排名前k的组合作为最优指标组合参数集合；

16、然后，判断当前区域与相邻区域是否检测到有若干相同的可燃气体，若存在，则判断可燃气体浓度是否达到监测标准；选择其中达到监测标准的若干相同的可燃气体；

17、接着，判断最优指标组合参数集合中是否有存在相同的可燃气体的最优指标组合参数，若有，则选择存在相同的可燃气体的最优指标组合参数集合中的排名最靠前的最优指标组合参数，作为当前区域与相邻区域采用相同的最优指标组合参数。

18、进一步地，所述鲸鱼算法为经过优化的鲸鱼算法，包括：

19、(1)优化非线性收敛因子和自适应权值；采用分段非线性收敛因子和自适应权值策略进行算法优化，如下式所示：

20、

21、

22、

23、式中a为收敛因子，t为迭代次数，t表示当前迭代次数；

24、(2)引入随机学习策略；

25、引入随机学习策略模拟讨论交流过程，向种群中优秀个体学习优化更新自身位置；如下式所示：

26、

27、式中xnew为最新个体，学习因子rand∈(0,1)的随机数，体现学习能力差异，xp为种群中随机选出不同于个体x的优秀个体，f()表示适应度值。

28、进一步地，除了选择区域内的两个监测点中温度较高的温度作为该区域的温度，还可以进行如下操作：

29、若存在相同区域内监测点的温度预测结果不同，判断两个监测点是否为相同的颜色预警，若相同，则选择较高的温度作为该区域的温度；

30、若不同，则判断不同监测点的温度差是否超过误差阈值，若超过，则很可能某一监测点存在故障，选择较高的温度作为该区域的温度；若未超过误差阈值，则采用最优指标组合参数集合排名中当前最优指标组合参数的后一位最优指标组合参数重新进行计算，并选择较高的温度作为该监测点的温度，然后选择两个监测点中较高的温度作为该区域的温度；

31、颜色预警的判断如下：若温度小于30℃，则为绿色预警；若温度大于等于30℃，小于70℃，则为灰色预警；若温度大于等于70℃，小于95℃，则为蓝色预警；若温度大于等于95℃，小于130℃，则为黄色预警；若温度大于等于130℃，小于210℃，则为橙色预警；若温度大于等于210℃，则为红色预警。

32、进一步地，判断该温度是否达到预警等级，若达到预警等级则进行预警处理，包括：

33、对每个区域进行预警分析，若温度小于30℃，则为绿色预警；若温度大于等于30℃，小于70℃，则为灰色预警；若温度大于等于70℃，小于95℃，则为蓝色预警；若温度大于等于95℃，小于130℃，则为黄色预警；若温度大于等于130℃，小于210℃，则为橙色预警；若温度大于等于210℃，则为红色预警；

34、当所有监测区域为绿色预警时，则判定其发火危险程度为低风险；

35、当有监测区域为灰色预警，灰色预警的监测区域总数w1∈[20，22]，且其余监测区域为绿色预警时，则判定其发火危险程度为低风险，若灰色预警的监测区域总数w1＞22，且其余监测区域为绿色预警时，则判定其发火危险程度为一般风险；

36、当有监测区域为蓝色或黄色预警，蓝色或黄色预警的监测区域总数w2∈[20，23]，且其余监测区域为绿色或灰色预警时，则判定其发火危险程度为一般风险；若蓝色或黄色预警的监测区域总数w2＞23，且其余监测区域为绿色或灰色预警时，则判定其发火危险程度为较大风险；

37、当有监测区域为橙色或红色预警，橙色或红色预警的监测区域总数w3∈[20，22]，且其余监测区域为绿色、灰色、蓝色、黄色中的任意一种颜色预警时，则判定其发火危险程度为较大风险；若橙色或红色预警的监测区域总数w3＞22，且其余监测区域为绿色、灰色、蓝色、黄色中的任意一种颜色预警时，则判定其发火危险程度为重大风险。

38、进一步地，还包括：

39、若采空区的发火危险程度为低风险，则继续保持监测；

40、若采空区的发火危险程度为一般风险，缩短监测间隔时间，密切关注监测数据的动态变化；若处于开采阶段，则加快开采速度；

41、若采空区的发火危险程度为较大风险，则采取注氮或注浆措施控制火源，同时准备撤离计划，确保所有工作人员了解紧急撤离路线和程序；

42、若采空区的发火危险程度为重大风险，则立即启动撤离程序，确保所有工作人员迅速、安全地撤离；同时，并对工作面进行封闭和灭火，以防止火势蔓延和进一步的人员伤亡。

43、综上所述，由于采用了上述技术方案，本发明实现了采空区煤自燃发火状态危险性程度和各区域危险性演化过程的实时动态预警和预测预报，有效防止煤自燃火灾的发生，能实现井下煤自燃温度预测及定量判识异常区域，提高了采空区煤自燃危险预警的及时性、准确性和可靠性。

44、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。