搜索
博士学位论文煤矿瓦斯时间序列分析方法与预警应用研究GasTimeSeriesAnalyticalMethodandItsEarly-warningApplicationinCoalmine作者：尹洪胜导师：钱建生教授中国矿业大学二○一○年六月学位论文使用授权声明本人完全了解中国矿业大学有关保留、使用学位论文的规定，同意本人所撰写的学位论文的使用授权按照学校的管理规定处理：作为申请学位的条件之一，学位论文著作权拥有者须授权所在学校拥有学位论文的部分使用权，即：①学校档案馆和图书馆有权保留学位论文的纸质版和电子版，可以使用影印、缩印或扫描等复制手段保存和汇编学位论文；②为教学和科研目的，学校档案馆和图书馆可以将公开的学位论文作为资料在档案馆、图书馆等场所或在校园网上供校内师生阅读、浏览。另外，根据有关法规，同意中国国家图书馆保存研究生学位论文。（保密的学位论文在解密后适用本授权书）。作者签名：导师签名：年月日年月日中图分类号TD76学校代码10290UDC621.3密级公开中国矿业大学博士学位论文煤矿瓦斯时间序列分析方法与预警应用研究GasTimeSeriesAnalyticalMethodandItsEarly-warningApplicationinCoalmine作者尹洪胜导师钱建生教授申请学位工学博士培养单位信电学院学科专业通信与信息系统研究方向矿山信息处理答辩委员会主席评阅人二○一○年六月论文审阅认定书研究生尹洪胜在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢本论文是在导师钱建生教授的悉心指导下完成的。论文从选题、方案确定、研究开展以及论文撰写和修改，每一环节都凝聚着导师的心血。钱建生教授优秀的做人品质、严谨的学风，诲人不倦的治学态度和学以致用的求实作风给我留下了深刻的印象，并将使我受益终生。钱建生教授学识渊博，治学严谨，经验丰富，高屋建瓴把握全局的能力，忘我的工作精神，不仅是我的榜样，也是青年一代学习的楷模。导师对我数载的辛勤教育和培养，将对我今后的学习和工作产生深远的影响。在此，谨向我的导师钱建生教授致以深深的敬意!感谢国家自然科学基金委、安徽省淮北矿业集团对本课题研究的资助。感谢中国矿业大学信电学院的所有老师和同学，为我的学业、生活和工作带来的长足进步和欢乐。信电学院良好的学术氛围、团结协作的精神是我论文得以顺利完成的重要基石。特别感谢徐钊教授、华钢教授、张申教授、丁恩杰教授、张剑英教授、王艳芬教授、刘晓文教授等对我学业及论文方面的指导和帮助。感谢实验室的各位老师和同学。特别感谢徐永刚博士（讲师）对现场数据信息的慷慨分享，感谢张培硕士、俞星硕士对部分实验的贡献，感谢与王红尧、周磊博士，邓威、武建、张凯、刘振、于宁宁、刘淑桢、刘晶晶、彭克清、刘文松等硕士一起的分析与交流，从而能够相互促进，共同进步。感谢淮北矿业集团公司计算机与通信处张毅处长、朱良鹏工程师为我的现场调研、数据获取和试验提供了许多方便和帮助！感谢我的师兄弟、师姐妹给予我各方面的支持与帮助，他们是：李世银博士（教授）、程健博士（副教授）、程德强博士（副教授）、孙彦景博士（副教授）、蔡丽梅博士（副教授）、罗驱波博士（副教授）、郭星歌博士（讲师）、赵培培博士（讲师）、王利娟博士（讲师）、冯小龙博士（讲师）、江海峰博士（讲师）等！感谢研究生院各个部门的领导和老师对我的关怀和帮助！感谢我的妻子刘秀英女士以及父亲、岳父母、姐姐、妹妹、弟弟，还有儿子等诸多亲人多年来对我学习与工作的默默无闻的关心和照顾，你们的理解和支持是我前进的最大动力。本论文也凝结着你们的心血和汗水！感谢各位专家、教授在百忙之中对本文的审阅，殷切希望得到更多的指导和帮助！你们的真知灼见将对论文的改进与完善弥足珍贵。其他老师和同学的帮助在此不能一一列出，但他们都是我要感谢的人。再次感谢所有关爱我的人，你们的支持将激励我不断前进。最后，谨以此文献给逝世多年的母亲，愿她在九泉之下安息！I摘要论文以国家自然科学基金重点项目为依托，以淮北矿业集团具体工程项目为实际背景，通过数据挖掘对煤矿瓦斯时间序列进行特征提取和模式识别，实现瓦斯事故预警，对于改善当前我国煤矿安全生产的严峻形势具有重要理论意义和重要实际应用价值。论文研究的主要内容包括以下方面：煤矿瓦斯时间序列的数据采集与预处理，瓦斯时间序列的平稳性、高斯性、线性检验，基于KPCA/KICA的瓦斯时间序列数据降维与特征提取，基于SVM的瓦斯时间序列模式识别与预警应用。论文基于淮北矿业集团瓦斯预警系统开发实践，论述了该系统体系结构。提出了能够对瓦斯数据进行优先处理的数据编码方法，并利用C语言数据结构加以表示。采用预测编码和游程编码思想，对安全监控系统瓦斯时间序列数据进行压缩，数据压缩效果显著，压缩后的瓦斯时间序列能够表达原始信息。研究给出了清理后的典型瓦斯时间序列及其波形曲线。基于排队理论提出了有无优先权2种瓦斯数据处理模型，理论分析和实验结果同时表明：对于煤矿瓦斯预警系统采用具有优先权排队系统模型处理数据，平均花费时间约为没有优先权排队系统模型的1/30。论文将计量经济学领域中的热点研究——单位根检验方法引入到瓦斯时间序列的平稳性检验，分别利用ADF/PP两种方法，对瓦斯时间序列进行检验，结果表明瓦斯时间序列只有在正常情况下是平稳的，在有突出危险、停风、割煤/放炮、瓦斯传感器调校时的瓦斯时间序列则表现为非平稳的。利用能够同时检验时间序列线性、高斯性的Hinich检验算法，基于双谱与双相干系数对瓦斯时间序列进行检验，结果表明瓦斯时间序列在正常、有突出危险、停风、割煤/放炮、瓦斯传感器调校各种情况下，均表现为非高斯性和非线性。论文研究阐述了核方法的思想框架以及相关数学理论基础。基于集合理论，度量空间理论，算子理论，矩阵理论以及核方法，统一用向量（矩阵）范数表示的距离定义单变量或多变量、线性或非线性时间序列的相似性，并证明了这种定义在原始空间和变换空间是等价的，实现了对时间序列相似性定义的拓展，从理论上进行了统一。研究了基于KPCA/KICA的多变量时间序列降维和特征提取理论与算法，通过Matlab对人工合成数据的实验仿真，论证了KPCA/KICA方法的有效性，它们均优于对应的传统PCA/ICA方法。提出从用于检验瓦斯时间序列非平稳性、非高斯性、非线性的24个统计量参数组成的多变量时间序列MTS中提取瓦斯时间序列信息特征，分别利用KPCA、KICA方法对该MTS进行降维和特征提取。结果表明，KPCA方法只需两个主成份即可非常清晰地表明瓦斯时间序列具有5个不同的类别分布，KICA方法分离的三个独立成分表示这5II个类别的特征也非常显著，说明KPCA/KICA方法在瓦斯时间序列数据降维与特征提取上的有效性。论文利用昀小二乘支持向量（LS-SVM）算法，基于一对多编码方法（OneversusAllCoding，OneVsAll）、一对一编码方法（OneVersusOneCoding，OneVsOne）、误差纠错编码方法（ErrorCorrectingOutputCode，ECOC）、昀小输出编码方法（MinimumOutputCoding，MOC）构建多类分类器。对人工合成三螺旋线数据进行分类，结果表明：通过调整高斯径向基核函数的参数22γσ，，例如，在2=102=0.01γσ，时，MOC分类器对三螺旋线数据的分类精度能够达到100%。基于KPCA、KICA提取的瓦斯时间序列信息特征，对瓦斯时间序列进行分类，结果表明：通过调整高斯径向基函数的参数22γσ，，例如，在2=12=0.3125γσ，时，MOC分类器对瓦斯时间序列5个类别的分类精度能够达到100%。论文还介绍了研究成果在淮北矿业集团瓦斯预警系统中的应用效果。该论文有图53幅，表16个，参考文献218篇。关键词：煤矿；瓦斯时间序列；平稳性、线性及高斯性检验；特征提取；模式识别；核主成分分析；核独立成分分析；昀小二乘支持向量机IIIAbstractBytheNationalNaturalScienceFoundationofChinakeyprojectsassupport,andtheHuaibeiCoalmineGroupCorpspecificprojectastheactualbackground,thisdissertationextractsthefeaturesfromgastimesseries,andcompletesitspatternrecognition,thenachievesearly-warningofgasaccidentsbyusingdataminingmethods,whichhasbothimportanttheoreticalsignificanceandimportantpracticalapplicationsignificanceforChinacoalminestoimprovethecurrentgrimsituationoftheirsafeproduction.Themainresearchcontentsofthisdissertationincludethefollowingareas:thedataacquisitionandpreprocessingofcoalminegastimesseries;testingforstationarity,linearityandgaussianityofgastimeseriesincoalmine;datadimensionreductionandfeatureextractionofgastimeseriesbasedonKPCA/KICA;thepatternrecognitionanditsearly-warningapplicationofgastimeseriesbasedonSVM.Basedonthedevelopmentpracticeofgasearly-warningsysteminHuaibeiCoalmineGroupCorp,thisdissertationdiscoursesthesystem’sstructure.Amethodofdatacoding,whichgivesprioritytothespecificgasdata,isputforward,andalsoisrepresentedbythedatastructureofClanguage.Usingpredictivecodingandrun-lengthcodingidea,thedissertationpresentsaremarkabledatacompressionmethodforgastimeseriesdataofsafetymonitoringsystem,whichisprovedthatthecompressedgastimeseriescanexpresstheinformationoforiginalgastimeseries.Sometypicalgastimeseriesandtheirwavediagramsaftercleaningarestudiedandexposited.Twomethodsofgasdataprocessingmodelwithpriority/non-priorityarebroughtforwardbasedonqueuingtheory,thetheoreticalanalysisresultsandtheMatlabsimulationexperimentresultssimultaneouslyshowthat:theaverageoccupationtimeforgasdataprocessingbyusingthequeuingsy