[发明专利]一种基于指标动态优选的瓦斯浓度组合预测方法

说明书

本发明公开了一种基于指标动态优选的瓦斯浓度组合预测方法，包括：获取影响未来瓦斯浓度的多元指标的历史监测数据；分别计算各指标与瓦斯浓度指标的Spearman等级相关系数，根据计算出的Spearman等级相关系数对指标进行动态优选，得到优选指标；计算每一优选指标的特征矩阵；将各优选指标的特征矩阵逐一输入预设的单指标预测模型，分别得到每一优选指标所对应的当前时刻之后预设时间段内的瓦斯浓度最大值的预测值；将各优选指标对应的预测值输入预设的组合预测模型，得到最终预测值，用于瓦斯超限情况预测。本发明能够实现煤矿采掘工作面瓦斯浓度及其超限情况的动态精准超限预测。

技术领域

本发明涉及瓦斯浓度预测技术领域，特别涉及一种基于指标动态优选的瓦斯浓度组合预测方法。

背景技术

瓦斯灾害是煤矿采掘过程中最严重的灾害之一，瓦斯爆炸、煤与瓦斯突出等瓦斯灾害一旦发生，不仅会造成严重的生命财产损失，还会严重影响矿井安全生产。准确预测采掘工作面瓦斯浓度，提前发现瓦斯超限情况，以及时采取有效措施降低瓦斯浓度，是预防瓦斯灾害的关键所在。安全监控系统可对采掘工作面瓦斯浓度、风速、温度等指标进行实时监测。如果可以预测瓦斯超限，则可提前采取相关措施降低瓦斯浓度，降低因瓦斯超限采掘设备启停带来的生产损失。安全监控系统中的多元监测数据则为瓦斯超限预测提供了条件。而神经网络等深度学习技术的发展，则为瓦斯浓度的动态精准预测提供了可能。

但目前应用深度学习技术进行瓦斯浓度预测的方法中，其预测指标较为固定，瓦斯浓度预测准确率有待进一步提高。怎样将影响瓦斯浓度变化趋势因素间的关联特征进行有效提取，考虑各时刻相关因素与瓦斯浓度的相关性程度，建立最佳预测模型进而提高模型准确性及鲁棒性仍是一个亟待解决的问题。

发明内容

本发明提供了一种基于指标动态优选的瓦斯浓度组合预测方法，以解决现有的瓦斯浓度预测技术预测准确率不高的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种基于指标动态优选的瓦斯浓度组合预测方法，所述基于指标动态优选的瓦斯浓度组合预测方法包括以下步骤：

获取影响未来瓦斯浓度的多元指标的历史监测数据；其中，所述指标包括瓦斯浓度；所述历史监测数据为自当前时刻起，往前预设时长内的监测数据；

基于获取的所述历史监测数据，分别计算各指标与瓦斯浓度指标的Spearman等级相关系数，并根据计算出的各指标所对应的Spearman等级相关系数对所述多元指标进行动态优选，得到优选指标；其中，所述优选指标包括瓦斯浓度，以及计算结果大于预设阈值的Spearman等级相关系数所对应的指标；

计算每一优选指标的特征矩阵；

将各优选指标的特征矩阵逐一输入预设的单指标预测模型，分别得到每一优选指标所对应的当前时刻之后预设时间段内的瓦斯浓度最大值的预测值；

将各优选指标对应的预测值输入预设的组合预测模型，得到最终预测值。

进一步地，在根据计算出的各指标所对应的Spearman等级相关系数对多元指标进行动态优选，得到优选指标时，若没有大于预设阈值的Spearman等级相关系数，则选取Spearman等级相关系数最大的前预设数量的指标作为优选指标。

进一步地，计算各指标与瓦斯浓度指标的Spearman等级相关系数，包括：

以待计算Spearman等级相关系数的指标作为当前指标；

基于所述历史监测数据，计算由瓦斯浓度的历史监测数据组成的瓦斯浓度指标的时间序列，以及由当前指标的历史监测数据组成的当前指标的时间序列；

计算当前指标的时间序列与瓦斯浓度指标的时间序列的Spearman等级相关系数，将计算结果作为当前指标与瓦斯浓度指标的Spearman等级相关系数。