论文部分内容阅读
瓦斯灾害作为煤矿五大灾害之一,在煤矿事故中一直占有较大比例。充分利用煤矿现场瓦斯监测数据,进行准确、可靠的瓦斯浓度预测,能为煤矿瓦斯灾害事故的预防提供决策依据。本文针对煤矿安全监控系统实时采集的瓦斯监测数据形成的时间序列,研究R语言环境下时间序列分解组合预测方法,主要研究工作包括以下几方面:在工作面原始瓦斯监测数据统计特征分析及预处理的基础上,将瓦斯浓度时间序列分解为趋势项、周期项和随机项3部分;结合煤矿现场生产交替的实际生产情况,分析趋势项、周期项和随机项的变化规律。应用一次指数平滑、二次指数平滑、三次指数平滑法分别对瓦斯监测数据时间序列分解后的随机项进行平滑处理,得出一次指数平滑、二次指数平滑拟合具有滞后性,而三次指数平滑在合理的拟合误差范围内,能反映随机项的实际变化规律。对比分析进一步得出三次指数平滑法适用于处理随机项。在对原始瓦斯监测数据每隔5min采样频率下,分析自回归滑动平均模型(ARIMA)直接多步预测、分段直接多步预测、分解组合预测的预测误差,对比得出,分解组合预测误差最小,平均绝对百分误差为11.71%。对比ARIMA直接多步预测和分解组合预测在不同频率下的预测误差,结果显示,预测误差随着时间间隔的增大基本呈下降趋势。在两种预测方法下,均选择时间间隔为20min进行采样预测时,误差较小,且分解组合预测误差更小。以黄陵二号煤矿205综采工作面的瓦斯监测数据为研究对象,进行分解组合预测方法的应用验证,通过对综采工作面上隅角和回风巷瓦斯浓度的预测计算,得出上隅角和回风巷的瓦斯浓度预测平均绝对百分误差分别为7.76%和5.45%,预测精度较高。本文采用R语言进行煤矿综采面瓦斯浓度时间序列预测方法的研究,表现出良好的可视化效果和较高的预测精度,为瓦斯监测数据的分析处理提供了新方法和技术手段。