工作面瓦斯涌出量時序混沌分形特性分析及其預(yù)測研究.pdf

1、我國是世界上煤與瓦斯突出災(zāi)害最嚴重的國家之一,具有突出礦井多、分布范圍廣、始突深度淺,突出強度大等一系列問題。由于尚未認清煤與瓦斯突出機理,故完全杜絕煤與瓦斯突出發(fā)生還不太可能。盡管目前國內(nèi)外在局部檢測與解危措施方面的研究已近成熟,但在防治煤與瓦斯突出的實施方面存在很大的難度。大量的事實表明,重特大的突出事故大多發(fā)生在煤巷掘進工作面,所以研究掘進工作面非接觸式動態(tài)連續(xù)的煤與瓦斯突出預(yù)警方法具有重要的現(xiàn)實意義。
　　首先,本文從瓦斯

2、在煤層中的流動理論出發(fā),得出掘進工作面的瓦斯涌出量與煤層瓦斯含量、瓦斯壓力、煤層透氣性、地質(zhì)構(gòu)造等因素有關(guān),由此得出瓦斯突出與工作面瓦斯涌出量的復(fù)雜特性密切相關(guān)。
　　其次,利用Taken的相空間重構(gòu)理論來分析工作面瓦斯涌出時間序列的動力學(xué)模型。相空間重構(gòu)參數(shù)的選取,文中采用了微熵率最小原則,最終確定所研究實例的幾個嵌入維數(shù)均大于8,說明工作面瓦斯涌出動力學(xué)系統(tǒng)是一個高維的復(fù)雜系統(tǒng)。在此基礎(chǔ)上,利用功率譜與Poincare截面定性

3、分析工作面瓦斯涌出量時間序列數(shù)據(jù)具有混沌特性。針對實際時間序列長度有限且噪聲未知的情況,在定量混沌特性分析中,提出了基于NLSR的LLE的求取,和基于FCM的關(guān)聯(lián)維數(shù)的求取。為了進一步驗證所提方法的有效性,利用確定的混沌時間序列Logistic和Hénon系統(tǒng)對算法進行驗證,之后將所提算法用于實際時間序列混沌特性判別。LLE的求取結(jié)果進一步確定了工作面的瓦斯時間序列數(shù)據(jù)具有混沌特性。關(guān)聯(lián)維數(shù)的確定也進一步驗證了前面嵌入維數(shù)求取的正確。<

4、br>　　第三,引入Hurst指數(shù)來分析時間序列的長程相關(guān)性,并針對傳統(tǒng)的R/S分析法存在的缺點,引入了V/S分析法來求其長程趨勢特性,同時文中引入有效關(guān)聯(lián)長度來進一步分析長程特性。最終得出幾組實際的瓦斯時間序列數(shù)據(jù)的Hurst指數(shù)范圍介于0.6301到0.9137,其有效關(guān)聯(lián)長度范圍為101.415到102.134。結(jié)果表明:工作面瓦斯時間序列具有長程正向趨勢特性,而且未發(fā)生突出時的瓦斯時間序列數(shù)據(jù)正向長程相關(guān)性要強于已發(fā)生突出時的數(shù)

5、據(jù)。
　　最后,提出利用Bayesian推理框架下的LS-SVM回歸模型對工作面瓦斯涌出量時間序列進行了多步預(yù)測。進一步地為了提高模型的魯棒性,針對此BayesianLS-SVM對異常點的敏感而引入了BWLS-SVM。文中引入四個誤差指標來評價所有給出模型的預(yù)測效果。由于在預(yù)測函數(shù)中自變量的更新值使用的是實測數(shù)據(jù),所以所提方法均可較好地實現(xiàn)多步預(yù)測,而且預(yù)測誤差也較小。為了進一步說明所提多步預(yù)測方法的效果,文中給出在Bayesia