基于卡尔曼滤波法的工作面瓦斯涌出量预测研究.pdf

《基于卡尔曼滤波法的工作面瓦斯涌出量预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、总第195期doi：10．3969／j．issn．1005—2798．2015．11．004基于卡尔曼滤波法的工作面瓦斯涌出量预测研究陈坤，李月云，刘迅(1．河南理工大学安全科学与工程学院，河南焦作454003；2．平煤神马集团13矿，河南平顶山467000)摘要：针对矿井回采工作面瓦斯涌出量的非线性、时变性、复杂性和不确定性等特点，提出了卡尔曼滤波算法用于预测非线性动态瓦斯涌出量。通过建立数学模型并结合平煤13矿数据资料得出预测结果。结果表明：卡尔曼滤波法预测的平均误差为3．35％，比其它预测方法具有较高的精准度，该方法对回采工作面瓦斯涌出量的预测具有较好的跟踪能

2、力和反应速度。关键词：卡尔曼滤波法；瓦斯涌出量；预测中图分类号：TDT12文献标识码：A文章编号：1005—2798(2015)11—0011—03StudyonGasEmissionQuantityForecastingBasedonKalmanFilterCHENKun，LIYue-yun，LIUXun。(1．SchoolofSafetyScienceandE，neering，HenanPolytechnicUnive~iq，Jiaozuo454003，China；2．ThirteenthCoalmineofPingdingshanCoalGroupinHena

3、n，Pingdingshan467000，China)Abstract：Intheviewofthemineworkingfacegasemissionofnonlinear，time—varying，complexityanduncertaintycharacteristicsofkalmanfilteringalgorithmwaspresentedforpredictingnonlineardynamicgasemission．Ithasobtainedpredictionsbyestablishingthemathematicalmodelandcombin

4、ingthedateofThirteenthCoalmineofPingdingshanCoalGroup．Theresuhsshowthatthekalmanfilte—ringmethodtopredicttheaverageerroris3．35％，itsprecisionishigherthanotherpredictionmethods，themethodofworkingfacegasemissionpredictionhasagoodtrackingabilityandspeedofresponse．Keywords：kalmanfilter；gase

5、mission；forecasting近些年来，我国在矿井瓦斯涌出量预测方面取层原始瓦斯含量、煤层间距、采高、临近层瓦斯含量、得了丰硕的成果[1]。然而瓦斯涌出量受煤层埋临近层厚度、层间岩性、工作面长度、推进速度、采出深、煤层厚度、煤和围岩瓦斯含量、煤层倾角、推进速率、13产量．共计l3个参数。表1是实测的平煤13度等众多因素的影响6]，这些因素和瓦斯涌出量之矿回采工作面瓦斯涌出量的相关参数及瓦斯涌出量间存在着复杂的非线性关系]。随着煤矿开采的进数据。其中前13个回采工作面的数据作为预测模行．一些影响工作面瓦斯涌出量的因素也会随之发型的输入变量，后5个回采工作面的数

6、据用来验证生变化[8]，因此固定的预测方法和技术存在局限性模型的精确程度。和不适用性，预测误差较大。2卡尔曼滤波预测模型的建立卡尔曼滤波是一种“预测一校正一预测”的递推算法[9]，依据实时获得的观测数据对系统状态进卡尔曼滤波作为一种最优状态估计方法．能够行训练修正得到最优估计值。对瓦斯涌出量预测具应用于受随机干扰的动态系统。卡尔曼滤波给出了有实时性和自适应性。一种递推算法，采用动态调整的虚拟状态变量具有较好的反应速度和跟踪能力，预测精度明显提高。1影响工作面瓦斯涌出量的参数选择及数2．1预测方法的确定据统计卡尔曼滤波是一种基于状态空间方程的预测方通过查阅相关资料加一

7、。选取影响瓦斯涌出量法，需要获取相应的状态变量和状态方程。直接构的参数如下：煤层埋藏深度、煤层厚度、煤层倾角、煤建非线性系统的状态空间方程通常面临诸多困难。收稿日期：2015~8-24作者简介：陈坤(1989一)，男，河南永城人，在读硕士研究生，研究方向为瓦斯地质理论与应用。陈坤等：基于卡尔曼滤波法的工作面瓦斯涌出量预测研究第24卷第11期因此考虑结合传统的人工神经网络方法．设计虚拟卡尔曼滤波。利用RBF人工神经网络，”对数据中间状态变量并得出对应状态方程。最终形成一种进行初步训练后输出初始的预测瓦斯涌出量，但是基于神经网络辨识的卡尔曼滤波方法来对瓦斯的涌精度上