煤礦井下主水倉涌水量的預測與監(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,安全排水問題已經成為關注的熱點。能及時且盡量準確地掌握井下水倉的涌水情況,對指導安全生產起著重要的作用,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,數學模型輸入變量難以確定的問題,提出了平均影響值結合誤差反向傳播網絡確定涌水量各影響因素相關程度的方法,實現涌水量影響因素變量的篩選。依據涌水量季節(jié)性變化的特點,提出了遺傳算法優(yōu)化灰色神經網絡進行涌水量預

2、測模型的建立,并通過實例數據驗證、分析,證明該預測模型有較高的精確度,避免了灰色神經網絡易陷入局部最優(yōu)的缺點,預測適合度好,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測。所以在短時水位預測模型建立前,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,依據小波中的時間聚合因子可以彌補人工神經網絡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網絡短時預測模型,經過實例數據的分析、驗證

3、,證明該預測模型耗時短,精確度高。
　　 為了將井下實時數據及數學預測模型結果進行在線實時顯示,針對傳統(tǒng)B/S結構實時監(jiān)控系統(tǒng)在線運行期間存在網絡負載大、服務器開銷大、客戶端與服務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,對下位機進行數據采樣,上位機用Ajax特有異步通訊的方式與CGI進行下位機通信、與SVG相結合進行矢量圖形實時顯示的方法來實現煤礦井下主水倉