一种采空区煤自燃超前预警方法、系统、设备及介质

本发明涉及煤炭开采安全监测，特别涉及一种采空区煤自燃超前预警方法、系统、设备及介质。

背景技术：

1、煤炭作为能源结构的主体能源，其开采过程长期面临煤自燃灾害的严峻挑战，其中采空区煤自燃火灾在各类煤矿火灾中占比突出，不仅严重制约煤矿安全高效开采，威胁人员生命财产安全，还造成煤炭资源损耗与生态环境污染。

2、由于采空区内部环境封闭，漏风通道分布复杂且不规则，煤自燃高温点具有极强的隐蔽性，传统的温度传感器难以深入采空区内部直接测得真实的煤体温度，因此当前矿井现场普遍采用束管监测系统抽取采空区内部气体，通过分析煤自燃过程中标志性气体的浓度演变特征，间接判断煤自燃状态，该技术已成为目前煤矿防灭火监测的主流技术手段。

3、现有方法多以单一或少数几种标志性气体为核心判断指标，但易受井下爆破作业、瓦斯涌出、通风波动等复杂工况干扰，因此无法实现煤自燃状态的精准识别，导致预警误报率偏高。同时，现有的预警手段属于“状态响应型”，仅能基于当前监测气体浓度数据推算采空区实时煤温状态，但缺乏对煤自燃发展规律的深度挖掘，无法实现煤温演变趋势的超前推演，难以匹配煤矿煤自燃灾害超前预警、主动防控的现实需求，导致防灭火措施实施处于被动状态，无法有效遏制灾害蔓延。

4、综上，现有技术无法准确实现煤矿采空区煤自燃的超前预警。

技术实现思路

1、本发明的目的在于提供一种采空区煤自燃超前预警方法、系统、设备及介质，可以解决上述技术问题。

2、本发明的实施例提供了一种采空区煤自燃超前预警方法，包括以下步骤：

3、获取通过煤自燃实验获得的矿井不同煤层的煤样在煤自燃过程中的基础指标以及煤自燃气体产物的气体指标，以构建基础数据集；其中，基础指标用于指示煤样的物理化学性质和自燃倾向性，气体指标包含多种单一气体的浓度和复合气体中不同气体的浓度比值；

4、以基础数据集为输入、对应的煤样温度为输出，对预先构建的煤温预测模型进行训练，并在训练过程中采用粒子群优化算法对煤温预测模型的超参数进行迭代优化；

5、通过训练好的煤温预测模型根据矿井采空区的煤自燃气体产物实时的气体指标，反演矿井采空区实时的煤样温度；

6、结合预先训练的时间序列模型，通过历史反演得到的煤样温度时间序列，确定历史煤样温度的演变规律，以预测矿井采空区未来的煤样温度时间序列，进行煤自燃超前预警。

7、进一步地，在所述对预先构建的煤温预测模型进行训练之前，还包括：

8、采用k-means聚类算法，对优化后的基础数据集进行无监督聚类分析，以确定煤自燃火灾进行分级预警的温度范围以及每级预警对应的指标数据；

9、在所述反演矿井采空区实时的煤样温度之后，还包括：

10、根据煤自燃火灾进行分级预警的温度范围以及每级预警对应的指标数据，确定矿井采空区实时的煤样温度对应的预警级别和指标数据，以进行煤自燃预警。

11、进一步地，所述采用k-means聚类算法，对优化后的基础数据集进行无监督聚类分析，以确定煤自燃火灾进行分级预警的温度范围以及每级预警对应的指标数据，包括：

12、根据煤样的基础指标，确定煤样在煤自燃过程中的临界温度和干裂温度；其中，临界温度和干裂温度为煤样在煤自燃过程中出现明显物理化学变化的关键节点温度；

13、根据煤样的临界温度和干裂温度，从优化后的基础数据集中筛选出聚类的指标数据，作为样本数据集；

14、以样本数据集中指标数据间的欧氏距离作为相似度度量，采用k-means聚类算法，根据预设的聚类簇数，以最小化簇内方差为目标，通过迭代不断分配指标数据以及更新簇中心，获得样本数据集的聚类结果。

15、进一步地，所述预先构建的煤温预测模型包括极限梯度提升模型、支持向量回归模型和随机森林模型；

16、所述通过训练好的煤温预测模型根据矿井采空区的煤自燃气体产物实时的气体指标，反演矿井采空区实时的煤样温度，包括：

17、采用k折交叉验证法，对训练好的极限梯度提升模型、支持向量回归模型和随机森林模型分别进行评估，以根据极限梯度提升模型、支持向量回归模型和随机森林模型各自的回归性能和分类性能确定目标煤温预测模型；

18、通过训练好的目标煤温预测模型根据矿井采空区的煤自燃气体产物实时的气体指标，反演矿井采空区实时的煤样温度。

19、进一步地，在所述以基础数据集为输入、对应的煤样温度为输出，对预先构建的煤温预测模型进行训练之前，还包括：

20、采用皮尔森相关性系数分析法，确定基础数据集中每个指标数据与煤样温度之间的线性相关程度，以对基础数据集进行优化。

21、进一步地，所述煤样的基础指标包括煤样产地、煤样所处煤层、煤种、水分、灰分、挥发分、固定碳、煤样温度、炉温、时间以及温度交叉点；

22、所述多种气体的浓度和不同气体的浓度比值分别为o2、co、co2、c2h4的浓度以及c2h4/ch4比值、co2/co比值和co/o2比值。

23、进一步地，所述煤自燃火灾进行分级预警的温度范围为：煤样温度t<30℃，表示低风险；0℃≤t<60℃，表示一般风险；60℃≤t<100℃，表示较大风险；100℃≤t<150℃，表示重大风险；t≥150℃，表示特大风险。

24、本发明的实施例还提供了一种采空区煤自燃超前预警系统，包括：

25、数据获取模块，用于获取通过煤自燃实验获得的矿井不同煤层的煤样在煤自燃过程中的基础指标以及煤自燃气体产物的气体指标，以构建基础数据集；其中，基础指标用于指示煤样的物理化学性质和自燃倾向性，气体指标包含多种单一气体的浓度和复合气体中不同气体的浓度比值；

26、模型训练模块，用于以优化后的基础数据集为输入、对应的煤样温度为输出，对预先构建的煤温预测模型进行训练，并在训练过程中采用粒子群优化算法对煤温预测模型的超参数进行迭代优化；

27、煤温预测模块，用于通过训练好的煤温预测模型根据矿井采空区的煤自燃气体产物实时的气体指标，反演矿井采空区实时的煤样温度；

28、超前预警模块，用于结合预先训练的时间序列模型，通过历史反演得到的煤样温度时间序列，确定历史煤样温度的演变规律，以预测矿井采空区未来的煤样温度时间序列，进行煤自燃超前预警。

29、本发明的实施例还提供了一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述采空区煤自燃超前预警方法。

30、本发明的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述采空区煤自燃超前预警方法。

31、本发明所提供的采空区煤自燃超前预警方法，至少具有以下有益效果：

32、本发明结合煤样的基础指标以及煤自燃气体产物的气体指标来作为用于煤温预测的指标数据，其中，煤样的基础指标用于指示煤样的物理化学性质和自燃倾向性，气体指标包含多种单一气体的浓度和复合气体中不同气体的浓度比值，不局限于单一气体浓度或多种气体浓度，既丰富了气体指标，又增加了煤样基础指标，从而有效构建用于实现煤温精确预测的特征数据。同时，在基于上述特征数据通过煤温预测模型实时预测矿井采空区煤样温度的基础上，再结合时间序列模型，以历史多日的煤温序列作为输入，直接输出采空区未来多日的连续煤温预测值，可以实现煤自燃超前预警，为现场干预措施争取时间。