[发明专利]一种用于煤矿自燃火灾大数据平台的数据驱动的方法

说明书

本发明提供了一种用于煤矿自燃火灾大数据平台的数据驱动的方法，是一种用于煤矿自燃火灾标志气体发生率的概率估算方法，包括如下步骤，1）收集煤矿标志气体浓度数据，2）数据预处理，3）用hypothesis test判定标志气体增长率所属概率分布类型；4）利用Maximum Likelihood Estimation的方法用所有的标志气体发生率的数据去计算此概率分布的参数；5）利用求得的概率分布的参数，可以用蒙特卡洛仿真Monte Carlo Simulation的方法用大量的数据点去仿真标志气体变化率的真实概率分布；6）利用上步求得的标志气体真实变化率分布，乘以想要预测的时间，求得在未来预测时间时的标志气体浓度分布；7）设定一个标志气体浓度报警界限，求得发生概率。

技术领域

本发明涉及自然火灾检测技术领域，特别是涉及一种用于煤矿自燃火灾大数据平台的数据驱动的方法。

背景技术

我国煤矿具有百年以上的开采历史，随着矿井开采年限的增长、开采深度增加、开采范围的逐渐扩大，煤炭自燃灾害日趋严重。煤田火灾不仅仅是损失了数亿吨的煤炭，而且由此引发的地质环境、生态环境、大气环境等问题，对我国今后经济的可持续发展将带来无法估量的危害。而矿井火灾造成的煤尘瓦斯爆炸更会酿成煤矿重大恶性事故，冻结大量煤炭资源和生产设备，造成了巨大的经济损失和人员伤亡。因此，矿井煤炭自然发火事故的预防必然成为煤矿安全研究的重点。及时准确地发出火灾早期预报，不仅可以及时采取防灭火措施，将火灾事故消除于萌芽状态，而且还可以减少防灭火造成的经济损失，防止火灾事故的发生。

目前，我国多数煤矿企业已经对煤矿自燃火灾灾害进行了气体成分分析、温度监测等监测手段，这对保障煤矿的安全生产起到了积极的作用。但是，大多企业只是对原始数据进行简单的报警、显示存储和打印，获得的气体组分通常是相互独立的数据，且大多是非线性变化的，而对监测数据之间的内部联系研究不足。

当前对于煤矿自燃火灾监测数据的使用还十分的简单，对于煤矿自燃火灾的趋势预测往往以理论模型等确定性的预测方法为主，预测结果是一个确定值。这类方法主要有两种不足：（1）由于井下状况是复杂多变的。环境因素和人为因素，如通风、瓦斯含量、温度、施工方案、工作面推进速度等条件多而且复杂，会对火灾发展趋势的预测产生极大地影响，而传统的理论模型等确定性的预测方法则无法考虑所有的变量条件，只能机械的去拟合火灾发展趋势，预测的准确度往往很低；（2）井下的环境、人为因素中蕴含着大量的不确定性。由于环境、人为因素的多变，很多变量都是随机的、不确定性的，而传统的理论模型的预测无法体现这些随机性的影响，严重影响着传统方法预测结果的可信度，对煤矿的安全指导缺乏实际意义。

为解决以上问题，本发明基于构建的煤矿自燃火灾大数据平台，利用平台采集存储的数据，提出了一种数据驱动的方法。方法利用数据平台采集的煤矿采空区的标志气体的组分信息，抛开理论模型，利用数据驱动的方式构建一个概率模型。方法的优点在于一方面可以充分利用数据中蕴含的不确定性，利用概率模型的特点将数据中的不确定性体现在标志气体变化的概率分布中；另一方面可以以概率模型去预测煤矿采空区的发火趋势，以概率预测去替代传统的确定性预测，使预测结果更加准确，对煤矿的安全指导更具备参考意义。

发明内容

本发明的主要目的是设计一种用于煤矿自燃火灾分布式大数据平台的数据驱动的方法，对煤矿生产的整个过程进行实时监控，高效快速的获取有价值的煤矿生产信息，确定煤矿生产过程中自然因素对煤矿安全生产的影响，使用数据挖掘中的关联规则算法对原始数据进行统计分析和深度挖掘，发现各种自然因素之间的关系，以便决策者确定合理的控制方案。

本发明是通过以下技术方案来实现的：一种用于煤矿自燃火灾分布式大数据平台的数据驱动的方法，其为一种用于煤矿自燃火灾标志气体发生率的概率估算方法，由于标志气体是煤矿自燃火灾发火趋势判断的最重要的依据，而对于标志气体发生率的估算可以有效地预测标志气体在未来的变化趋势，因此可以有效地预判煤矿未来发火状况并结合开采工作情况采取必要的灭火准备措施，包括如下步骤，