一种用于煤矿自燃火灾大数据平台的数据驱动的方法技术

本发明专利技术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。

Data driving algorithm for large data platform of spontaneous combustion fire in coal mine

The present invention provides a method for coal spontaneous combustion of large data platform for data driven algorithm, which is used for a coal mine fire sign gas occurrence probability estimation method, which comprises the following steps: 1) coal mine gas concentration data collection mark, 2) data preprocessing, 3) with hypothesis test indicators for determining gas growth the rate of the type of probability distribution; 4) by using the method of Maximum Likelihood Estimation with all of the signs of gas incidence data to calculate the parameters of the probability distribution; 5) using the parameters of the probability distribution is obtained, can use Monte Carlo simulation method Monte Carlo Simulation with a large number of data points to sign real simulation the probability distribution of the change rate of gas; 6) using the step mark gas change rate distribution, multiplied by to predict time obtained in the future forecast time The distribution of gas concentration; 7) set a mark gas concentration alarm limit and obtain the probability of occurrence.

【技术实现步骤摘要】
一种用于煤矿自燃火灾大数据平台的数据驱动的算法
本专利技术涉及自然火灾检测
，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算法。
技术介绍
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，本专利技术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算法。算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。算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。
技术实现思路
本专利技术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算法，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。本专利技术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算法，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，1)收集煤矿标志气体浓度数据，煤矿自燃火灾大数据平台的感知层会将布置在某采空区的监测束管进行井下气体样本的周期循环抽取，然后将气样输送至井上进行气体浓度分析，得到此采空区的标志气体浓度的周期数据；2)数据预处理，计算标志气体增长率，在积累标志气体浓度周期数据至一定量后，将标志气体浓度周期数据依次求差然后除以时间间隔，得到标志气体变化率数据，如下公式St是t点时的标志气体变化率，Ct和Ct-1分别是t点和t-1点时的标志气体浓度，T是t点和t-1点间的时间间隔3)用hypothesistest判定标志气体增长率所属概率分布类型，将已收集数据的标志气体变化率分布用Kolmogorov-Smirnovtest检验法去依次判断此标志气体变化率分布属于哪个概率分布类型；4)利用MaximumLikelihoodEstimation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，如高斯分布的期望和方差；5)利用求得的概率分布的参数，可以用蒙特卡洛仿真MonteCarloSimulation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，如100天后，可以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，如24ppm，可以由上步的100天后的标志气体浓度分布，求得100天后标志气体到达24ppm的概率。进一步的，以数据驱动算法构架的标志气体发生率的概率估算方法，其中想要预测时间和设定的浓度界限都是可调的，根据煤矿想要预测的参数来修改。进一步的，以数据驱动算法构架的标志气体发生率的概率估算方法步骤8)中所述的指标气体为CO、CH4、CO2、O2、C2H6、C2H4、C2H2。进一步的，以数据驱动算法构架的CO发生率的概率估算方法步骤4)中包括Likelihood计算公式、Log-Likelihood计算公式及maximumlikelihoodestimator计算公式，Likelihood计算公式如下，Log-Likelihood计算公式如下，maximumlikelihoodestimator计算公式如下，本专利技术还包括一种基于上述一种用于煤矿自燃火灾大数据平台的数据驱动的算法的煤矿自然火灾大数据平台，其包括煤矿自然火灾监测感知层、数据分布式存储模块、所述的数据挖掘模块和数据表达模块，所述的煤矿自燃火灾监测的智能物联网感知层面向煤矿的各种特性，通过部署系列各种监测系统和装置，获取煤矿自燃火灾检测数据，其包括正压输气束管监测系统、井下微色谱气体监测系统、束管红外气体监测系统、光纤束管监测系统；所述的数据分布式存储模块是煤矿自燃火灾监测感知层采集数据的存储端，通过部署在各个煤矿的火灾感知层设备和系统采集数据，然后将数据上传至各煤矿专有的存储服务器上，利用分布式的存储结构有效的管理自燃火灾监测的初始数据；所述的数据挖掘模块是部署在煤矿上层矿业集团中心计算服务器上，各煤矿的分布式存储数据首先汇总至中心服务器，然后利用其计算能力，通过数据驱动算法将各煤矿分别采集的初始数据进行数据挖掘，有效的分析数据所含有的关于煤矿自燃火灾标志气体的变化趋势、预测时间等深度信息；所述的数据表达模块包括标志气体概率模型分析预测模块、实时监控看板、危险矿区重点关注模块、专家意见反馈诊断平台、手机报警模块、报表模块等，其为集团公司和下属各煤矿公司提供一个数据查询、浏览，并以表格图形等方式展示的综合管理平台；同时，矿务局有关人员可以利用本系统，对下属各矿的束管监测结果进行实时监控，查询各矿的历史数据，显示用于煤矿自燃预警的趋势图表，提供日、旬、月、季、年的报表，并能在出现报警时通知到有关人员的手机上，并且系统可通过数据传输接口，进一步将监测数据上传到云端大数据中心；通过大数据技术破解煤矿自燃防治领域里的难题，为本文档来自技高网...

【技术保护点】
一种用于煤矿自燃火灾大数据平台的数据驱动的算法，其特征在于，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，煤矿自燃火灾大数据平台的感知层会将布置在某采空区的监测束管进行井下气体样本的周期循环抽取，然后将气样输送至井上进行气体浓度分析，得到此采空区的标志气体浓度的周期数据；2)数据预处理，计算标志气体增长率，在积累标志气体浓度周期数据至一定量后，将标志气体浓度周期数据依次求差然后除以时间间隔，得到标志气体变化率数据，如下公式

【技术特征摘要】
1.一种用于煤矿自燃火灾大数据平台的数据驱动的算法，其特征在于，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，煤矿自燃火灾大数据平台的感知层会将布置在某采空区的监测束管进行井下气体样本的周期循环抽取，然后将气样输送至井上进行气体浓度分析，得到此采空区的标志气体浓度的周期数据；2)数据预处理，计算标志气体增长率，在积累标志气体浓度周期数据至一定量后，将标志气体浓度周期数据依次求差然后除以时间间隔，得到标志气体变化率数据，如下公式St是t点时的标志气体变化率，Ct和Ct-1分别是t点和t-1点时的标志气体浓度，T是t点和t-1点间的时间间隔3)用hypothesistest判定标志气体增长率所属概率分布类型，将已收集数据的标志气体变化率分布用Kolmogorov-Smirnovtest检验法去依次判断此标志气体变化率分布属于哪个概率分布类型；4)利用MaximumLikelihoodEstimation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，如高斯分布的期望和方差；5)利用求得的概率分布的参数，可以用蒙特卡洛仿真MonteCarloSimulation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，如100天后，可以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，如24ppm，可以由上步的100天后的标志气体浓度分布，求得100天后标志气体到达24ppm的概率。2.根据权利要求1所述的一种用于煤矿自燃火灾大数据平台的数据驱动的算法，其特征在于，以数据驱动算法构架的标志气体发生率的概率估算方法，其中想要预测时间和设定的浓度界限都是可调的，根据煤矿想要预测的参数来修改。3.根据权利要求1所述的一种用于煤矿自燃火灾大数据平台的数据驱动的算法，其特征在于，以数据驱动算法构架的标志气体发生率的概率估算方法步骤8)中所述的指标气体为CO、CH4、CO2、O2、C2H6、C2H4、C2H2。4.根据权利要求1所述的一种用于煤矿自燃火灾大数据平台的数据驱动的算法，其特征在于，以数据驱动算法构架的标志气体发生率的概率估算方法步骤4)中包括Likelihood计算公式、Log-Likelihood计算公式及maximumlikelihoodes...

【专利技术属性】
技术研发人员：白光星，白念祥，胡韶明，贾明铄，
申请(专利权)人：淄博祥龙测控技术有限公司，
类型：发明
国别省市：山东,37