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(shí)有發(fā)生,安全排水問題已經(jīng)成為關(guān)注的熱點(diǎn)。能及時(shí)且盡量準(zhǔn)確地掌握井下水倉的涌水情況,對(duì)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(duì)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(shí)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(diǎn),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(shí)例數(shù)據(jù)驗(yàn)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(diǎn),預(yù)測適合度好,但運(yùn)行耗時(shí)長、受涌水量影響因素制約,不適用于煤礦井下短時(shí)水位的預(yù)測。所以在短時(shí)水位預(yù)測模型建立前,分析煤礦井下水位每天短時(shí)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(shí)間聚合因子可以彌補(bǔ)人工神經(jīng)網(wǎng)絡(luò)中存在的輸入同步瞬時(shí)限制的問題,提出了基于時(shí)間序列的小波神經(jīng)網(wǎng)絡(luò)短時(shí)預(yù)測模型,經(jīng)過實(shí)例數(shù)據(jù)的分析、驗(yàn)證

3、,證明該預(yù)測模型耗時(shí)短,精確度高。
　　 為了將井下實(shí)時(shí)數(shù)據(jù)及數(shù)學(xué)預(yù)測模型結(jié)果進(jìn)行在線實(shí)時(shí)顯示,針對(duì)傳統(tǒng)B/S結(jié)構(gòu)實(shí)時(shí)監(jiān)控系統(tǒng)在線運(yùn)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(shí)時(shí)顯示存在閃爍的弊端,提出了下位機(jī)選擇性價(jià)比較高的三星公司的S3C2440A微控制器,對(duì)下位機(jī)進(jìn)行數(shù)據(jù)采樣,上位機(jī)用Ajax特有異步通訊的方式與CGI進(jìn)行下位機(jī)通信、與SVG相結(jié)合進(jìn)行矢量圖形實(shí)時(shí)顯示的方法來實(shí)現(xiàn)煤礦井下主水倉