煤炭易自燃煤层采空区温度预测方法研究

张 怡，陈 莹，陈 宠

(成都理工大学工程技术学院 国土空间应用研究中心，四川 乐山 614000)

煤炭是我国的重要能源，为了满足我国对煤炭资源的需求，煤炭开采机械化程度不断提高，但是随之而来的是煤自燃灾害，随着灾害的出现，煤炭自燃数量与日俱增[1-4]。煤矿采空区数量随着开采速度的增加而增加，这就增加了采空区中的遗煤数量，提高了采空区中遗煤与一氧化碳、甲烷和氧气等气体发生反应的概率，增加了煤层采空区自燃的可能性[5-7]。因此，温度预测方法的研究，对于煤炭易自燃煤层采空区发生的自燃灾害控制具有重要意义。国内外多从煤自燃原理着手，预测采空区温度，并根据原理进行模拟实验，分析煤层采空区自燃过程以及煤自燃时的自燃温度，采用监测温度和气体浓度的方式控制煤自燃灾害的发生[8]。例如，刘振岭等[9]从模型参数着手，建立煤层采空区温度预测模型，并利用Matlab语言和样本，以正向传播的方式训练模型精度，预测易自燃煤层采空区温度，但是该方法训练样本时容易产生训练误差，影响模型预测煤层采空区温度精度，产生较大的预测误差。刘宝等[10]通过试验的方式，确定煤层采空区自燃温度预测指标，根据指标采用BP神经网络算法，建立煤自燃温度预测判别模型，并优化模型参数，但是在预测过程中，极易存在预测指标与矿区实际情况不一致的问题，造成模型预测温度结果与检测的温度值存在较大的误差。李晓民等[11]采用随机森林算法，优化PSO-RF和PSO-SVM预测模型训练模型误差，让其处于稳定状态，但是该方法在预测的过程中，极易出现“过拟合”问题，导致预测结果出现较大误差。

针对上述文献中存在的问题，本文通过建立具有正向和反向2种传播方式的温度预测模型预测易自燃煤层采空区温度，并提出易自燃煤层采空区温度预测方法。

1 易自燃煤层采空区温度预测方法

1.1 煤层采空区温度数据采集及预处理

经过众多学者多次试验，确定易自然煤层采空区温度与一氧化碳、甲烷和氧气等气体浓度有关[12]，在此次研究中，将一氧化碳、甲烷和氧气等气体浓度数据作为预测易自燃煤层采空区温度数据。选择具有较高的灵敏度、出色的重复性、操作简单、嵌入式微控技术，使用LED数码管显示的QB10N型固定式气体检测传感器作为气体浓度数据检测设备，实时采集煤层采空区温度数据。其技术参数及气体测量范围见表1。根据表1所示的QB10N型传感器技术参数以及一氧化碳、甲烷和氧气测量范围，采集气体浓度数据，并形成数据集。在采样过程中，由于煤炭易自燃煤层采空区的湿度变化以及采样过程中人为操作过程，可能增大采样偏差，出现异常、缺失、重复等数据，影响温度预测结果[13]。所以，针对异常、缺失、重复等数据，根据具体情况进行删除、填充预处理。其中，填充的数据属于特殊值、拟合值或特征中心度量值。

表1 QB10N型传感器技术参数及气体测量范围

从表1中可以看出，此次研究选择的QB10N型传感器在采集气体浓度数据时，所使用的气体浓度单位存在一定的差异，会影响煤层采空区温度预测结果。为了得到最优预测结果，归一化处理此次采集到的样本数据。假设某个特征变量为X，则此次采集到的数据归一化处理得到的数据X′为：

(1)

式中，Xmax为特征变量X的最大值；Xmin为特征变量X的最小值。

综合上述内容，即完成煤层采空区温度数据采集及预处理，得到的数据集可以作为易自燃煤层采空区温度预测数据。

1.2 建立温度预测模型预测采空区温度

采用神经网络建立温度预测模型预测温度，根据神经网络结构，在输入层中输入采集的样本数据集，从输出层输出预测结果，且每一层的输入层均具有其对应的输出值。所建立的温度预测模型如图1所示。

图1 温度预测模型

图1中，j为输入层层数，j=1，2，…；k为输出层层数，k=1，2，…[14]。如图1所示的温度预测模型，会根据输入层输入的数据集进行正向传播处理，预测煤层采空区温度，并与以往的温度进行对比，判断两者之间存在的误差。当两者之间存在的误差偏大时，模型会进行反向传播，降低各层权重和阈值的梯度后，再进行正向预测，直至得到最小的预测误差，作为模型预测结果。采用图1所示的温度预测模型，预测煤层采空区温度的步骤：

(1)根据上述叙述内容，选择Sigmoid函数，作为此次建立的模型的激活函数f(x)，其表现形式：

(2)

式中，t为模型各个节点的输入加权值。

(2)预测温度时，应在模型中优先考虑正向传播，则模型输出值为：

(3)

式中，ωjk为输入层和输出层之间的连接权值。

(3)将式(2)代入式(3)中，逐层计算输出层的总平方误差，其计算公式：

(4)

式中，y为实际输出值；d为模型期望输出值。

(4)判断总平方误差E大小，当E值偏大时，降低各层权重和阈值的梯度，进行反向传播，修正权值ωjk[15]。假设模型的学习步数为b；学习率参数为η，则的修正量计算公式：

(5)

ωjk(b+1)=ωjk(b)+Δωjk(b)

(6)

(6)重复上述5步计算过程，不断更新模型的权值和阈值，直到网络收敛，即可输出预测结果[16]。

从上述预测过程可以看出，模型在预测易自燃煤层采空区温度时存在一定的误差值，因此需要针对模型预测结果进行检验。

1.3 检验温度预测模型输出预测结果

为保证预测结果的准确性，提高预测结果的拟合度，将预测误差控制在最小范围内，将从平均绝对、平均绝对百分比和均方根误差以及判定系数4个方面，检验温度预测模型误差训练结果，其检验过程如下。

(2)平均绝对百分比误差。可以判断模型预测性能，其计算公式：

(7)

从式(7)可以看出，平均绝对百分比误差值越大，得到的预测结果误差就越大，模型预测精度越低，模型性能就越差[18]。

(3)均方根误差。计算公式：

(8)

从式(8)可以看出，均方根误差越小，得到的预测结果误差就越小[19]。

(4)判定系数。可以反映真实值被模型预测出的百分比，其阈值为[0，1]，其计算公式：

(9)

综合上述内容，将模型的预测结果，采用上述4步检验，通过检验后的模型，才可以应用在实际中，预测采空区温度，得到最终的温度预测结果。

2 实验分析

采用对比实验的方式，验证此次研究的温度预测方法，并选择某区域煤矿的易自燃煤层采空区作为研究对象，对比3组温度预测方法，预测采空区温度与实际温度平均误差。

2.1 实验准备

为掌握易自燃煤层采空区的温度情况，采用所设计技术进行工作面的现场应用。利用风速测定仪观测供风量，利用QB10N型固定式气体检测传感器检测一氧化碳、甲烷和氧气浓度，采集的区域为采空区回风巷、进风巷、运输巷。采用本文所设计技术进行温度预测计算。若采空区有煤层有自燃的倾向，则温度会升高，氧气浓度及一氧化碳浓度会产生较大的波动，应用本文技术可对该处的温度进行实时预测，保障了采空区的安全工作。此次实验选择的煤矿，地层倾角小于1.5°，矿脉长5 km，长3.5 km，含有煤层11层，可采煤层4层，已开采出采空区15个，位于易自燃煤层的采空区有6个。根据6个采空区特点，选择其中3个采空区作为此次实验场景。具体场景如下：①采空区周围无煤掩埋，处于空旷场地，记为ξ1采空区；②采空区周围布满采煤巷道，没有煤掩埋，处于相对空旷场地，记为ξ2采空区；③采空区周围近含有一条巷道，周围都是煤掩埋场地，且处于矿脉最低层，记为ξ3采空区。分别在上述3个场景中的采空区中布置QB10N型传感器，检测一氧化碳、甲烷和氧气等气体浓度。测点布置方式如图2所示。

图2 易自然煤层采空区中QB10N型传感器布置方式

基于图2所示的易自燃煤层采空区中QB10N型传感器布置方式，得到一氧化碳、甲烷和氧气等气体浓度检测结果见表2。

表2 不同采空区下气体浓度平均值

选择具有不锈钢探头、线性度达到100%、测量精度在±2.0 ℃、重复精度在±1%、响应时间达到300 ms的MHY-26688红外温度传感器作为此次实验实际温度测量工具。经过测量，3处采空区的实际温度分别为37.74、54.02、83.18 ℃。

2.2 实验结果

2.2.1 第1组实验

采用3组温度预测方法，分别预测ξ1采空区温度，其中常用方法1为文献[9]方法，常用方法2为文献[10]方法。在预测的过程中，不断调整模型的训练样本数量，其预测结果如图3所示。

图3 ξ1采空区温度预测结果

从图3可以看出，在ξ1采空区中，样本数量较少时，常用方法1预测采空区温度，只有当样本数量达到140时，才有较为精准的预测结果，超过或少于这个样本数量，都会产生较大的差距；常用方法2预测采空区温度，只有当样本数量超过180时，才会有较为精准的预测结果；研究方法则基本上不受样本数量的影响。为了进一步对比3组方法，计算3组方法与测量值之间存在的绝对误差和相对误差，其计算结果见表3。

表3 ξ1采空区温度预测值与实际值对比

从表3可以看出，研究方法与检测量之间存在的绝对误差和相对误差明显小于常用方法1和常用方法2。

2.2.2 第2组实验

采用3组温度预测方法，分别预测ξ2采空区温度，其预测结果如图4所示。从图4可以看出，在ξ2采空区，3组方法预测精度与样本数量之间的关系不变。为了进一步对比3组方法，计算3组方法与测量值之间存在的绝对误差和相对误差，其计算结果见表4。

图4 ξ2 采空区温度预测结果

表4 ξ2 采空区温度预测值与实际值对比

从表4可以看出，在ξ2采空区，研究方法与检测量之间存在的绝对误差和相对误差，依然小于常用方法1和常用方法2。

2.2.3 第3组实验

采用3组温度预测方法，分别预测ξ3采空区温度，其预测结果如图5所示。

图5 ξ3 采空区温度预测结果

从图5可以看出，在ξ3采空区受到环境影响较大，常用方法1和常用方法2的预测温度明显不精确，而研究方法受到的影响较小。为了进一步对比3组方法，计算3组方法与测量值之间存在的绝对误差和相对误差，其计算结果见表5。从表5中可以看出，在ξ3采空区，本文研究方法与检测量之间存在的绝对误差和相对误差，仍然小于常用方法1和常用方法2。

表5 ξ3 采空区温度预测值与实际值对比

综合上述3组实验结果可知，此次研究的温度预测方法，在不同场景的采空区中，预测的温度误差虽然不稳定，但是其绝对误差小于1，相对误差小于0.01，基本可以忽略不计。

3 结语

本文建立温度预测模型预测采空区温度，样本数据的精确度可以影响到模型对温度的预测结果。因此在今后的研究中，还需进一步研究样本数据处理方法，提高样本精度，进而提高预测精度。