Foreshadow prediction of coal and gas outbursts based on a weighted first-order local-region method

• Autorzy: Li Z. Q. , Liu Z. , Yuan S.

Warianty tytułu

PL

Prognozowanie wyrzutów gazu i węgla na podstawie ważonej metody lokalnej pierwszej potęgi

• Języki publikacji: EN

Abstrakty

EN

This paper presents a method for the foreshadow prediction of coal and gas outburst. It was hypothesized that the gas emission prior to coal and gas outburst was nonlinear and the chaotic time series could be used in the short-term prediction. The weighted first-order local-region method was used to analyze the historical monitored gas emission data prior to the coal and gas outburst in a coal mine. The phase space of gas emission time series was reconstructed according to Takens' theory and a dynamic mathematical model of prediction was constructed. Then, the model was applied to predict the gas emission and the results were good. More than 75 percent of the predictive value error constitutes less than 1 percent. The results show that the weighted first-order local-region method is much more precise than some prediction methods and it is also easy to operate. So it is good in application and provides an effective method for coal and gas outburst prediction based on the obviously nonlinear gas emission data.

PL

Niniejsza publikacja przedstawia metodę prognozowania wyrzutów węgla i gazu. Z postawionych hipotez wynika, że emisja gazu, do której dochodzi przed wyrzutem węgla i gazu, ma przebieg nieliniowy, a chaotyczny szereg czasowy może być wykorzystywany w prognozach krótkoterminowych. Do analizy danych historycznych monitorowanej emisji gazu przed wyrzutem węgla i gazu w kopalni zastosowano ważoną metodę lokalną pierwszej potęgi. Przestrzeń fazową szeregu czasowego emisji gazu zrekonstruowano na podstawie twierdzenia Takensa, a następnie sporządzono dynamiczny model matematyczny prognozy. Model ten wykorzystano do prognozy emisji gazu. Wyniki testu były zadowalające. 75 procent błędu wartości prognozowanej stanowi mniej niż 1 procent. Wyniki pokazują, że ważona metoda lokalna pierwszej potęgi jest o wiele bardziej precyzyjna niż wiele innych metod prognostycznych. Ponadto jest ona łatwa do zastosowania. Prostota i skuteczność tej metody czyni ją odpowiednią do prognozowania wyrzutów węgla i gazu na podstawie nieliniowych danych emisji gazu.

Słowa kluczowe

EN

weighted first-order local-region method; coal and gas outbursts; chaotic time series; outburst prediction

PL

ważona metoda lokalna pierwszej potęgi; wyrzuty węgla i gazu; szereg czasowy chaotyczny; prognozowanie wyrzutów

• Wydawca: Wydawnictwa AGH
• Czasopismo: AGH Journal of Mining and Geoengineering
• Rocznik: 2012
• Tom: Vol. 36, no. 3
• Strony: 217--223
• Opis fizyczny: Bibliogr. 12 poz., wykr.

Twórcy

autor

Li Z. Q.

• School of Energy and Safety, Anhui University of Science and Technology, Huainan 232001, China
• Key Laboratory of Integrated Coal Exploitation and Gas Extraction, Huainan 232001, China

autor

Liu Z.

• School of Energy and Safety, Anhui University of Science and Technology, Huainan 232001, China
• Key Laboratory of Integrated Coal Exploitation and Gas Extraction, Huainan 232001, China

autor

Yuan S.

• School of Energy and Safety, Anhui University of Science and Technology, Huainan 232001, China
• Key Laboratory of Integrated Coal Exploitation and Gas Extraction, Huainan 232001, China

Bibliografia

• [1] He J.,Wang Y.G.,Chen X.S. et al.: Chaotic characteristics of gas dynamic emission prior to coal and gas outburst [J]. Journal of Liaoning Technical University, 2010, 29 (4): 529-532
• [2] Shi S.L., Wu A.Y.: Application of GM (1, 1) and line regression for predicting amount of mine gas emission in coal mine [J]. Journal of China Coal Society, 2008, 33 (4): 415-418
• [3] Zhang J.Y., Cheng J., Hou Y.H, et al.: Forecasting coalmine gas concentration based on adaptive neuro-fuzzy inference system [J]. Journal of China University of Mining & Technology, 2007, 36 (4): 494-198
• [4] Zhao J.X., Yu G.H.: Model of chaotic sequence and RBF neural network on gas concentration forecast [J]. Journal of Heilongjiang Institute of Science & Technology, 2010, 20 (2): 131-134
• [5] Wang K., Wang Y.B., Lu J.: Study on nonlinear characteristics of dynamic precursor of coal and gas outburst [J]. Journal of Mining & Safety Engineering, 2007, 24 (1): 22-26
• [6] Packard N., Crutchfield J., Farmer D., et al.: Geometry from a time series[J]. Physical Review Letters, 1980, 45 (9): 712-716
• [7] Takens F.: Detecting strange attractors in turbulence. Dynamical systems and turbulence [J]. Lecture Notes in Mathematics, 1981, 898:366-381.
• [8] Lv J.H., Lu J.A., Chen S.H.: Analysis and application of chaotic time series [M]. Wuhan: Wuhan University Press, 2005
• [9] Kim H.S., Eykholt R., Salas J.D.: Nonlinear dynamics, delay times, and embedding windows [J]. Physica D, 1999, 127: 48-60
• [10] Lv J.H., Zhang C.S.: Application of adding-weight one-rank local-region method in electric power system short-term load forecast [J]. Control Theory and Applications, 2002, 19 (5): 767-770
• [11] Brock W.A., Hsieh D.A., LeBaron B.: Nonlinear Dynamics, Chaos, and Instability: Statistical Theory and Economic Evidence [M]. MIT Press, Cambridge, MA, 1991
• [12] Brock W.A., Dechert W.D., Scheinkman J.A., LeBaron B.: Econometric Reviews [J]. 1996, 15 (3): 197-235.