煤礦開采工作面瓦斯?jié)舛扔绊懸蛩胤治?/h1>
2020-04-27 03:57:00王智鵬黃玉鑫
科學(xué)技術(shù)創(chuàng)新 2020年7期
張 磊 王智鵬 黃玉鑫
（1、西安科技大學(xué) 安全科學(xué)與工程學(xué)院，陜西 西安710054 2、教育部西部礦井開采及災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室，陜西 西安710054）
煤炭占我國一次能源生產(chǎn)總和的76%，隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，煤炭的需求總量還會(huì)持續(xù)增加[1-3]。據(jù)專家預(yù)測(cè)，2020 年我國煤炭需求預(yù)測(cè)的推薦值為46.56 億噸[4]，一直到2050 年煤炭總量在我國的能源地位比重依然達(dá)到50%。然而，我國同樣是一個(gè)煤礦事故頻發(fā)的國家，其中瓦斯事故占有相當(dāng)大的比重，嚴(yán)重制約煤礦的高效開采，研究影響瓦斯?jié)舛鹊闹饕刂埔蛩兀?duì)其采取針對(duì)性治理方案，對(duì)于維護(hù)井下工作人員的生命安全、保障礦井的高效開采有著十分重大的意義。隨著礦山智能化的發(fā)展，井下各類監(jiān)測(cè)數(shù)據(jù)從準(zhǔn)確性到精度都有了顯著提高，相較以往更能反應(yīng)礦井生產(chǎn)的真實(shí)情況，為我們研究瓦斯?jié)舛鹊闹饕绊懸蛩靥峁┝藬?shù)據(jù)基礎(chǔ)。對(duì)此，本文使用因子分析法對(duì)瓦斯?jié)舛燃捌溆绊懸蛩剡M(jìn)行分析，研究影響瓦斯?jié)舛鹊闹饕蛩?，并有針?duì)性地提出井下瓦斯治理對(duì)策，以期對(duì)后期瓦斯?jié)舛鹊南嚓P(guān)研究提供依據(jù)。
1 分析模型的建立
為研究影響瓦斯?jié)舛鹊闹饕刂埔蛩?，以該礦井實(shí)時(shí)數(shù)據(jù)為研究對(duì)象，建立基于因子分析的瓦斯?jié)舛确治瞿Ｐ汀?/p>
因子分析是一種用于多元變量分析的方法，以主成分分析為理論基礎(chǔ)，通過從多變量中尋求共性因子，并使用這些共性因子來表示總體的內(nèi)容。。即可建立因子分析模型如下：
樣本相關(guān)系數(shù)矩陣R 的主成分因子分析的載荷矩陣A 為
其中，AAT與相關(guān)系數(shù)矩陣R 比較接近時(shí)，則從直觀上可以認(rèn)為因子模型給出了較好的數(shù)據(jù)擬合。
2 瓦斯?jié)舛扔绊懸蛩匾蜃臃治?/h2>2.1 指標(biāo)選取與數(shù)據(jù)處理
本文根據(jù)現(xiàn)有研究和實(shí)際工作經(jīng)驗(yàn)選取了10 個(gè)瓦斯?jié)舛戎笜?biāo)變量，即：煤層埋深、煤層厚度、煤層傾角、回采速度、測(cè)點(diǎn)大氣壓、割煤機(jī)開停、風(fēng)速、氧濃度、溫度、相對(duì)濕度。對(duì)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理，采用SPSS 軟件求解變量相關(guān)系數(shù)矩陣，對(duì)該矩陣進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表1。表1 中各指標(biāo)相關(guān)系數(shù)較高，KMO 值為0.667 大于0.5，Bartlett 球形度檢驗(yàn)值為0 小于0.05，拒絕Bartlett 球形度檢驗(yàn)的0 假設(shè)。由以上分析可知，各指標(biāo)數(shù)據(jù)滿足因子分析的條件。
表1 KMO 和Bartlett 球形度檢驗(yàn)
2.2 公因子提取與命名
采用主成分分析法計(jì)算數(shù)據(jù)初始特征值，其公因子碎石圖如圖1 所示。當(dāng)特征值大于1 時(shí)，可提出該成分作為主成分。前4 個(gè)成分特征值大于1，其所占方差百分比分別為26.383%、21.524%、14.299%、13.388%，累計(jì)占比達(dá)75.594%，可解釋多于75%的方差內(nèi)容，并在保證基本信息不產(chǎn)生遺漏的前提下替代原始數(shù)據(jù)。提取4 個(gè)公共因子，分別用Q1、Q2、Q3、Q4 表示。
圖1 公因子碎石
由于上述提取的公共因子屬于抽象意義，不能對(duì)實(shí)際意義做出合理解釋。為探究公共因子的實(shí)際意義，并得到不同指標(biāo)對(duì)公共因子的貢獻(xiàn)程度，對(duì)瓦斯?jié)舛认嚓P(guān)系數(shù)矩陣使用最大方差法進(jìn)行因子旋轉(zhuǎn)，生成瓦斯?jié)舛纫蜃虞d荷矩陣見表2。根據(jù)表2 中各個(gè)主成分所對(duì)應(yīng)的主要指標(biāo)，將Q1 命名為風(fēng)速- 氧濃度因子；將Q2 命名為地質(zhì)條件因子；將Q3 命名為生產(chǎn)環(huán)境因子；將Q4 命名為開采技術(shù)因子。通過提取公共因子，在涵蓋大多數(shù)信息的情況下可以有效降低瓦斯?jié)舛扔绊懽兞康木S數(shù)。
圖2 因子得分
表2 瓦斯?jié)舛纫蜃虞d荷矩陣
2.3 因子計(jì)算與分析
對(duì)因子對(duì)應(yīng)不同指標(biāo)進(jìn)行得分計(jì)算，見表3。
表3 瓦斯?jié)舛纫蜃拥梅窒禂?shù)矩陣
由表3 計(jì)算結(jié)果及上文建立的因子分析數(shù)學(xué)模型可得：
總因子Q 得分函數(shù)為：
將標(biāo)準(zhǔn)化后的原始數(shù)據(jù)代入式（3）- 式（7），可求得各因子得分值和總因子得分值隨樣本序號(hào)的變化規(guī)律，如圖2 所示。
觀圖2(a)，公共因子Q1 得分曲線呈現(xiàn)出一種類似傅里葉級(jí)數(shù)曲線的周期性，主要由于風(fēng)速和氧濃度變化的影響，因此應(yīng)在這些樣本區(qū)域著重注意通風(fēng)及氧濃度對(duì)瓦斯?jié)舛鹊挠绊?，可以通過增加采面風(fēng)速同時(shí)提高采面氧濃度，使工作面的瓦斯?jié)舛缺３衷诰浞秶鷥?nèi)；觀圖2(b)，隨著樣本序號(hào)增加，公共因子Q2 得分總體呈上升趨勢(shì)，說明序號(hào)靠后的樣本其地質(zhì)條件更加復(fù)雜，應(yīng)在這些樣本區(qū)域著重注意煤層厚度、煤層埋深、煤層傾角對(duì)瓦斯?jié)舛鹊挠绊懀挥^圖2(c)，公共因子Q3 得分與樣本序號(hào)并無明顯規(guī)律，說明公共因子Q3 所代表的相對(duì)濕度、溫度這些指標(biāo)與樣本采集分布無密切聯(lián)系；觀圖2(d)，公共因子Q4 得分總體呈上升趨勢(shì)，說明序號(hào)靠后的樣本受開采工藝的影響程度更大，應(yīng)在這些樣本區(qū)域著重注意割煤機(jī)的開停和回采速度對(duì)瓦斯?jié)舛鹊挠绊?，可以適當(dāng)降低開采速度，同時(shí)降低割煤機(jī)的單次工作時(shí)間，使瓦斯?jié)舛忍幱诎踩秶鷥?nèi)；使圖2(e)與該礦井實(shí)測(cè)樣本瓦斯監(jiān)測(cè)值進(jìn)行對(duì)比，發(fā)現(xiàn)得分高的樣本其風(fēng)速也較高，說明風(fēng)速為瓦斯?jié)舛鹊闹饕绊懸蛩兀c實(shí)際情況一致，驗(yàn)證了因子分析的可行性。
2.4 指標(biāo)重要度系數(shù)分析
依據(jù)公共因子載荷對(duì)方差的解釋分?jǐn)?shù)與旋轉(zhuǎn)后的瓦斯?jié)舛容d荷相乘所得的瓦斯?jié)舛扔绊懸蛩刂匾认禂?shù)，并對(duì)其排序。風(fēng)速和割煤機(jī)開停在所有影響因素中重要度系數(shù)最高，是影響工作面瓦斯?jié)舛鹊闹饕蛩亍y(cè)點(diǎn)氣壓的重要度系數(shù)低于0，且在四個(gè)公因子載荷上得分系數(shù)均低于0，因此在分析的過程中可以忽略氣壓的影響。
3 結(jié)論
3.1 使用因子分析法對(duì)影響瓦斯?jié)舛鹊南嚓P(guān)因素進(jìn)行分析，建立了瓦斯?jié)舛纫蜃幽Ｐ?，并通過某礦井的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)驗(yàn)證了模型的可行性。
3.2 對(duì)該礦井瓦斯?jié)舛燃捌溆绊懸蛩剡M(jìn)行分析，有效減少了特征值的維度，提出4 個(gè)影響瓦斯?jié)舛鹊墓惨蜃樱猴L(fēng)速- 氧濃度因子占比26.383%，地質(zhì)條件因子21.524%，生產(chǎn)環(huán)境因子占比14.299%，開采技術(shù)因子占比13.388%，累計(jì)占比75.594%,能夠較好地解釋指標(biāo)特征。
3.3 通過計(jì)算瓦斯監(jiān)測(cè)值影響因素的重要度系數(shù)，對(duì)各指標(biāo)因素排序，結(jié)果表明：風(fēng)速和割煤機(jī)開停是影響該礦井工作面瓦斯?jié)舛鹊闹饕蛩亍?/p>
猜你喜歡
基于Kmeans-VMD-LSTM的短期風(fēng)速預(yù)測(cè)電機(jī)與控制應(yīng)用(2021年12期)2021-02-28 07:55:52 基于最優(yōu)TS評(píng)分和頻率匹配的江蘇近海風(fēng)速訂正海洋通報(bào)(2020年5期)2021-01-14 09:26:54 11采區(qū)永久避難硐室控制瓦斯涌出、防止瓦斯積聚和煤層自燃措施建材發(fā)展導(dǎo)向(2019年5期)2019-09-09 09:22:16 建立三大長效機(jī)制 保障礦井長治久安中國煤炭工業(yè)(2019年1期)2019-06-17 12:00:18 煤礦礦井技術(shù)改造探討經(jīng)濟(jì)技術(shù)協(xié)作信息(2018年22期)2019-01-19 03:00:22 高瓦斯礦井防治瓦斯異常涌出措施的應(yīng)用山東工業(yè)技術(shù)(2016年15期)2016-12-01 05:31:08 基于GARCH的短時(shí)風(fēng)速預(yù)測(cè)方法西南交通大學(xué)學(xué)報(bào)(2016年4期)2016-06-15 20:29:37 瓦斯探鉆鉆頭的一種改進(jìn)江西煤炭科技(2015年1期)2015-11-07 03:06:32 考慮風(fēng)速分布與日非平穩(wěn)性的風(fēng)速數(shù)據(jù)預(yù)處理方法研究電網(wǎng)與清潔能源(2015年3期)2015-02-28 16:03:31 煤與瓦斯突出礦井瓦斯抽放技術(shù)應(yīng)用研究河南科技(2014年7期)2014-02-27 14:11:07
張 磊 王智鵬 黃玉鑫
（1、西安科技大學(xué) 安全科學(xué)與工程學(xué)院，陜西 西安710054 2、教育部西部礦井開采及災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室，陜西 西安710054）
煤炭占我國一次能源生產(chǎn)總和的76%，隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，煤炭的需求總量還會(huì)持續(xù)增加[1-3]。據(jù)專家預(yù)測(cè)，2020 年我國煤炭需求預(yù)測(cè)的推薦值為46.56 億噸[4]，一直到2050 年煤炭總量在我國的能源地位比重依然達(dá)到50%。然而，我國同樣是一個(gè)煤礦事故頻發(fā)的國家，其中瓦斯事故占有相當(dāng)大的比重，嚴(yán)重制約煤礦的高效開采，研究影響瓦斯?jié)舛鹊闹饕刂埔蛩兀?duì)其采取針對(duì)性治理方案，對(duì)于維護(hù)井下工作人員的生命安全、保障礦井的高效開采有著十分重大的意義。隨著礦山智能化的發(fā)展，井下各類監(jiān)測(cè)數(shù)據(jù)從準(zhǔn)確性到精度都有了顯著提高，相較以往更能反應(yīng)礦井生產(chǎn)的真實(shí)情況，為我們研究瓦斯?jié)舛鹊闹饕绊懸蛩靥峁┝藬?shù)據(jù)基礎(chǔ)。對(duì)此，本文使用因子分析法對(duì)瓦斯?jié)舛燃捌溆绊懸蛩剡M(jìn)行分析，研究影響瓦斯?jié)舛鹊闹饕蛩?，并有針?duì)性地提出井下瓦斯治理對(duì)策，以期對(duì)后期瓦斯?jié)舛鹊南嚓P(guān)研究提供依據(jù)。
1 分析模型的建立
為研究影響瓦斯?jié)舛鹊闹饕刂埔蛩?，以該礦井實(shí)時(shí)數(shù)據(jù)為研究對(duì)象，建立基于因子分析的瓦斯?jié)舛确治瞿Ｐ汀?/p>
因子分析是一種用于多元變量分析的方法，以主成分分析為理論基礎(chǔ)，通過從多變量中尋求共性因子，并使用這些共性因子來表示總體的內(nèi)容。。即可建立因子分析模型如下：
樣本相關(guān)系數(shù)矩陣R 的主成分因子分析的載荷矩陣A 為
其中，AAT與相關(guān)系數(shù)矩陣R 比較接近時(shí)，則從直觀上可以認(rèn)為因子模型給出了較好的數(shù)據(jù)擬合。
2 瓦斯?jié)舛扔绊懸蛩匾蜃臃治?/h2>2.1 指標(biāo)選取與數(shù)據(jù)處理
本文根據(jù)現(xiàn)有研究和實(shí)際工作經(jīng)驗(yàn)選取了10 個(gè)瓦斯?jié)舛戎笜?biāo)變量，即：煤層埋深、煤層厚度、煤層傾角、回采速度、測(cè)點(diǎn)大氣壓、割煤機(jī)開停、風(fēng)速、氧濃度、溫度、相對(duì)濕度。對(duì)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理，采用SPSS 軟件求解變量相關(guān)系數(shù)矩陣，對(duì)該矩陣進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表1。表1 中各指標(biāo)相關(guān)系數(shù)較高，KMO 值為0.667 大于0.5，Bartlett 球形度檢驗(yàn)值為0 小于0.05，拒絕Bartlett 球形度檢驗(yàn)的0 假設(shè)。由以上分析可知，各指標(biāo)數(shù)據(jù)滿足因子分析的條件。
表1 KMO 和Bartlett 球形度檢驗(yàn)
2.2 公因子提取與命名
采用主成分分析法計(jì)算數(shù)據(jù)初始特征值，其公因子碎石圖如圖1 所示。當(dāng)特征值大于1 時(shí)，可提出該成分作為主成分。前4 個(gè)成分特征值大于1，其所占方差百分比分別為26.383%、21.524%、14.299%、13.388%，累計(jì)占比達(dá)75.594%，可解釋多于75%的方差內(nèi)容，并在保證基本信息不產(chǎn)生遺漏的前提下替代原始數(shù)據(jù)。提取4 個(gè)公共因子，分別用Q1、Q2、Q3、Q4 表示。
圖1 公因子碎石
由于上述提取的公共因子屬于抽象意義，不能對(duì)實(shí)際意義做出合理解釋。為探究公共因子的實(shí)際意義，并得到不同指標(biāo)對(duì)公共因子的貢獻(xiàn)程度，對(duì)瓦斯?jié)舛认嚓P(guān)系數(shù)矩陣使用最大方差法進(jìn)行因子旋轉(zhuǎn)，生成瓦斯?jié)舛纫蜃虞d荷矩陣見表2。根據(jù)表2 中各個(gè)主成分所對(duì)應(yīng)的主要指標(biāo)，將Q1 命名為風(fēng)速- 氧濃度因子；將Q2 命名為地質(zhì)條件因子；將Q3 命名為生產(chǎn)環(huán)境因子；將Q4 命名為開采技術(shù)因子。通過提取公共因子，在涵蓋大多數(shù)信息的情況下可以有效降低瓦斯?jié)舛扔绊懽兞康木S數(shù)。
圖2 因子得分
表2 瓦斯?jié)舛纫蜃虞d荷矩陣
2.3 因子計(jì)算與分析
對(duì)因子對(duì)應(yīng)不同指標(biāo)進(jìn)行得分計(jì)算，見表3。
表3 瓦斯?jié)舛纫蜃拥梅窒禂?shù)矩陣
由表3 計(jì)算結(jié)果及上文建立的因子分析數(shù)學(xué)模型可得：
總因子Q 得分函數(shù)為：
將標(biāo)準(zhǔn)化后的原始數(shù)據(jù)代入式（3）- 式（7），可求得各因子得分值和總因子得分值隨樣本序號(hào)的變化規(guī)律，如圖2 所示。
觀圖2(a)，公共因子Q1 得分曲線呈現(xiàn)出一種類似傅里葉級(jí)數(shù)曲線的周期性，主要由于風(fēng)速和氧濃度變化的影響，因此應(yīng)在這些樣本區(qū)域著重注意通風(fēng)及氧濃度對(duì)瓦斯?jié)舛鹊挠绊?，可以通過增加采面風(fēng)速同時(shí)提高采面氧濃度，使工作面的瓦斯?jié)舛缺３衷诰浞秶鷥?nèi)；觀圖2(b)，隨著樣本序號(hào)增加，公共因子Q2 得分總體呈上升趨勢(shì)，說明序號(hào)靠后的樣本其地質(zhì)條件更加復(fù)雜，應(yīng)在這些樣本區(qū)域著重注意煤層厚度、煤層埋深、煤層傾角對(duì)瓦斯?jié)舛鹊挠绊懀挥^圖2(c)，公共因子Q3 得分與樣本序號(hào)并無明顯規(guī)律，說明公共因子Q3 所代表的相對(duì)濕度、溫度這些指標(biāo)與樣本采集分布無密切聯(lián)系；觀圖2(d)，公共因子Q4 得分總體呈上升趨勢(shì)，說明序號(hào)靠后的樣本受開采工藝的影響程度更大，應(yīng)在這些樣本區(qū)域著重注意割煤機(jī)的開停和回采速度對(duì)瓦斯?jié)舛鹊挠绊?，可以適當(dāng)降低開采速度，同時(shí)降低割煤機(jī)的單次工作時(shí)間，使瓦斯?jié)舛忍幱诎踩秶鷥?nèi)；使圖2(e)與該礦井實(shí)測(cè)樣本瓦斯監(jiān)測(cè)值進(jìn)行對(duì)比，發(fā)現(xiàn)得分高的樣本其風(fēng)速也較高，說明風(fēng)速為瓦斯?jié)舛鹊闹饕绊懸蛩兀c實(shí)際情況一致，驗(yàn)證了因子分析的可行性。
2.4 指標(biāo)重要度系數(shù)分析
依據(jù)公共因子載荷對(duì)方差的解釋分?jǐn)?shù)與旋轉(zhuǎn)后的瓦斯?jié)舛容d荷相乘所得的瓦斯?jié)舛扔绊懸蛩刂匾认禂?shù)，并對(duì)其排序。風(fēng)速和割煤機(jī)開停在所有影響因素中重要度系數(shù)最高，是影響工作面瓦斯?jié)舛鹊闹饕蛩亍y(cè)點(diǎn)氣壓的重要度系數(shù)低于0，且在四個(gè)公因子載荷上得分系數(shù)均低于0，因此在分析的過程中可以忽略氣壓的影響。
3 結(jié)論
3.1 使用因子分析法對(duì)影響瓦斯?jié)舛鹊南嚓P(guān)因素進(jìn)行分析，建立了瓦斯?jié)舛纫蜃幽Ｐ?，并通過某礦井的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)驗(yàn)證了模型的可行性。
3.2 對(duì)該礦井瓦斯?jié)舛燃捌溆绊懸蛩剡M(jìn)行分析，有效減少了特征值的維度，提出4 個(gè)影響瓦斯?jié)舛鹊墓惨蜃樱猴L(fēng)速- 氧濃度因子占比26.383%，地質(zhì)條件因子21.524%，生產(chǎn)環(huán)境因子占比14.299%，開采技術(shù)因子占比13.388%，累計(jì)占比75.594%,能夠較好地解釋指標(biāo)特征。
3.3 通過計(jì)算瓦斯監(jiān)測(cè)值影響因素的重要度系數(shù)，對(duì)各指標(biāo)因素排序，結(jié)果表明：風(fēng)速和割煤機(jī)開停是影響該礦井工作面瓦斯?jié)舛鹊闹饕蛩亍?/p>
猜你喜歡
電機(jī)與控制應(yīng)用(2021年12期)2021-02-28 07:55:52
海洋通報(bào)(2020年5期)2021-01-14 09:26:54
建材發(fā)展導(dǎo)向(2019年5期)2019-09-09 09:22:16
中國煤炭工業(yè)(2019年1期)2019-06-17 12:00:18
經(jīng)濟(jì)技術(shù)協(xié)作信息(2018年22期)2019-01-19 03:00:22
山東工業(yè)技術(shù)(2016年15期)2016-12-01 05:31:08
西南交通大學(xué)學(xué)報(bào)(2016年4期)2016-06-15 20:29:37
江西煤炭科技(2015年1期)2015-11-07 03:06:32
電網(wǎng)與清潔能源(2015年3期)2015-02-28 16:03:31
河南科技(2014年7期)2014-02-27 14:11:07
