煤礦井下主水倉涌水量的預(yù)測與監(jiān)控系統(tǒng)的研究.pdf

1、近幾年,煤礦井下透水事件時有發(fā)生,安全排水問題已經(jīng)成為關(guān)注的熱點。能及時且盡量準(zhǔn)確地掌握井下水倉的涌水情況,對指導(dǎo)安全生產(chǎn)起著重要的作用,在線監(jiān)控井下水倉的情況顯得重要而有意義。
　　 針對煤礦井下環(huán)境惡劣,涌水量影響因素縱多,數(shù)學(xué)模型輸入變量難以確定的問題,提出了平均影響值結(jié)合誤差反向傳播網(wǎng)絡(luò)確定涌水量各影響因素相關(guān)程度的方法,實現(xiàn)涌水量影響因素變量的篩選。依據(jù)涌水量季節(jié)性變化的特點,提出了遺傳算法優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)進(jìn)行涌水量預(yù)

2、測模型的建立,并通過實例數(shù)據(jù)驗證、分析,證明該預(yù)測模型有較高的精確度,避免了灰色神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的缺點,預(yù)測適合度好,但運行耗時長、受涌水量影響因素制約,不適用于煤礦井下短時水位的預(yù)測。所以在短時水位預(yù)測模型建立前,分析煤礦井下水位每天短時的變化,雖然受三水位的影響,但仍然有它的規(guī)律性,依據(jù)小波中的時間聚合因子可以彌補人工神經(jīng)網(wǎng)絡(luò)中存在的輸入同步瞬時限制的問題,提出了基于時間序列的小波神經(jīng)網(wǎng)絡(luò)短時預(yù)測模型,經(jīng)過實例數(shù)據(jù)的分析、驗證

3、,證明該預(yù)測模型耗時短,精確度高。
　　 為了將井下實時數(shù)據(jù)及數(shù)學(xué)預(yù)測模型結(jié)果進(jìn)行在線實時顯示,針對傳統(tǒng)B/S結(jié)構(gòu)實時監(jiān)控系統(tǒng)在線運行期間存在網(wǎng)絡(luò)負(fù)載大、服務(wù)器開銷大、客戶端與服務(wù)器之間的交互效率低,頁面實時顯示存在閃爍的弊端,提出了下位機選擇性價比較高的三星公司的S3C2440A微控制器,對下位機進(jìn)行數(shù)據(jù)采樣,上位機用Ajax特有異步通訊的方式與CGI進(jìn)行下位機通信、與SVG相結(jié)合進(jìn)行矢量圖形實時顯示的方法來實現(xiàn)煤礦井下主水倉