楊宏海

（霍州煤電集團(tuán)木瓜煤礦，山西 呂梁 033000）

隨著采礦水平的發(fā)展以及露天煤礦儲量的減少，大型井工礦井逐年增多，采掘機械化水平也逐年提高。我國煤炭資源儲量豐富，但整體瓦斯含量較高，隨著產(chǎn)量的增大，瓦斯涌出問題日益凸顯，對井工礦井安全生產(chǎn)造成威脅。建立先進(jìn)的瓦斯預(yù)警系統(tǒng)，對瓦斯涌出量進(jìn)行預(yù)測，是十分必要的[1-3]。

1 煤礦瓦斯特性

瓦斯一般指以CH4為主要含量的煤礦有害氣體，無色無味，主要由原煤、生物化學(xué)物質(zhì)、圍巖產(chǎn)生。其具有可燃性，在含量超限時遇火花易發(fā)生瓦斯爆炸事故，對井下人員安全造成極大的威脅[4-5]。

2 支持向量機（SVM）簡介

SVM為一種基于統(tǒng)計學(xué)回歸性分析的模型，在樣本規(guī)模不大的情況下，可將低維的函數(shù)映射到高維的數(shù)據(jù)空間，對樣本數(shù)據(jù)進(jìn)行分析。

支持向量機函數(shù)為：

式中：

φ(x)-目的高維空間函數(shù)；

b-模型偏移量；

ω-權(quán)值向量。

通過對樣本數(shù)據(jù)的訓(xùn)練，尋找權(quán)值向量ω和b。最終將最小化結(jié)構(gòu)定義為：

式中：

C-懲罰函數(shù)，C＞0。

優(yōu)點：

（1）運用最優(yōu)化原則函數(shù)結(jié)構(gòu)，算法簡單，計算能力好。

（2）對樣本數(shù)據(jù)量要求低，通過二次尋優(yōu)算法，避免維數(shù)造成影響。

SVM的廣泛適用性可以運用到煤礦的瓦斯預(yù)測，對瓦斯預(yù)警系統(tǒng)提供依據(jù)。

3 SVM瓦斯涌出預(yù)測分析

基于SVM瓦斯預(yù)測模型建立分為樣本訓(xùn)練與預(yù)測兩部分。訓(xùn)練學(xué)習(xí)就是確定瓦斯涌出的函數(shù)，即先將影響瓦斯含量的因素作為模型的輸入端，瓦斯實際數(shù)據(jù)作為模型的輸出端，通過訓(xùn)練確定回歸性函數(shù)。

建立模型的關(guān)鍵是主要函數(shù)的選擇，目前運行效果較好的函數(shù)有以下四種。

多項式函數(shù)：K（x,x*）=（x,x*+1）

高斯函數(shù)：

傅里葉函數(shù)：

神經(jīng)網(wǎng)絡(luò)函數(shù)：

表1 不同核函數(shù)的訓(xùn)練比較

從訓(xùn)練比較表可得高斯函數(shù)所需要的向量數(shù)最少，訓(xùn)練時間也相對較短，精度較高。本次選擇高斯函數(shù)作為礦井瓦斯預(yù)測的中心函數(shù)。

大量收集本礦瓦斯數(shù)據(jù)與相關(guān)因素作為模型訓(xùn)練的樣本，見表2。

將瓦斯涌出因素進(jìn)行SVM訓(xùn)練，訓(xùn)練流程見圖1，輸出回歸性模型：

式中：

y-絕對瓦斯涌出量，m3/min；

x1-埋深，m；

x2-煤厚，m；

x3-煤層瓦斯含量，m3/t；

x4-煤層間距，m；

x5-日進(jìn)度，m；

x6-日產(chǎn)量，t。

可見對模型影響較大的因子為煤層瓦斯含量。

表2 瓦斯涌出量相關(guān)因素統(tǒng)計

圖1 SVM流程圖

對實際數(shù)值進(jìn)行仿真，設(shè)置迭代次數(shù)500次，試驗結(jié)果見下圖?？芍庇^看到SVM預(yù)測與實際值擬合度較高。

4 工作面預(yù)警系統(tǒng)應(yīng)用

在W23012巷開掘前共布置4個測點，狀態(tài)預(yù)警結(jié)果為“危險”34次，其余為正常；趨勢預(yù)警結(jié)果為“紅色”30次，“橙色”12次，其余為“綠色”。經(jīng)考察上述區(qū)域效檢專項預(yù)警結(jié)果全部正確。

圖2 瓦斯涌出預(yù)測實測與SVM值

表3 W23012巷區(qū)域效驗專項預(yù)警指標(biāo)

5 結(jié)論

通過使用SVM法對礦井瓦斯涌出進(jìn)行預(yù)測，建立適用本礦井的SVM模型，實驗結(jié)果表明，僅需少量樣本即可準(zhǔn)確預(yù)測礦井瓦斯，對于礦井預(yù)警系統(tǒng)建立提供基礎(chǔ)依據(jù)，并為實現(xiàn)現(xiàn)代化礦井添磚加瓦。