[發明專利]易燃氣體濃度監測和預警的方法

在審

• 申請號: 201610409694.3
• 申請日: 2016-06-12
• 公開（公告）號: CN107313808A
• 公開（公告）日: 2017-11-03
• 發明（設計）人: 慕晶霞;陳金合
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司青島安全工程研究院
• 主分類號: E21F17/18
• 分類號: E21F17/18
• 代理公司: 上海碩力知識產權代理事務所(普通合伙)31251
• 代理人: 王法男

技術領域

本發明涉及一種易燃氣體濃度監測和預警的方法。

背景技術

隨著社會的不斷發展,生活質量的提高,人類對自身安全提出更高的要求。加油站、煤礦、化工廠等危險工作場所中的有害氣體一直威脅著生命的安全,這將直接影響生活的質量。

目前,井下發生瓦斯超限報警主要是利用甲烷傳感器的聲光報警裝置進行聲光報警。由于甲烷傳感器的聲光報警裝置報警聲級強度較小，聲響信號聲級約80dB(A)，光信號僅能在20m遠處可見，當井下某個地點發生瓦斯事故時，只有甲烷傳感器附近地點作業人員能夠感知報警信息，而位于該巷道內距甲烷傳感器較遠的地點及井下其它巷道內的人員卻不能及時獲取瓦斯災害預警信息，造成大部分井下人員避災行動延遲。

基于上述情況,進行煤礦瓦斯災害報警系統的探索研究就顯得尤為必要。由于煤礦安全監控系統對井下各地點瓦斯濃度的變化進行持續監控,構建基于煤礦安全監控系統的瓦斯災害預警系統具有可行性。

發明內容

本發明所要解決的技術問題是現有技術中報警器無法實現全方位預警的問題，提供一種新的易燃氣體濃度監測和預警的方法。

為解決上述問題，本發明采用的技術方案如下：一種易燃氣體濃度監測和預警的方法，包括如下步驟：

1)獲取多點的易燃氣體濃度數據，存入數據庫；

2)將數據庫中的數據作為時間序列進行處理得到易燃氣體時間序列數據，其中，時間為采集到易燃氣體濃度數據的實時時間，易燃氣體濃度作為時間的因變量；

3)構建BP神經網絡預測模型和學習方法模型、訓練預測模型、檢驗及預報輸出；

4)設定易燃氣體濃度邊界值，實現預警。

構建BP神經網絡預測模型的步驟為：設計深度受限玻爾茲曼機模型，對采集到的時 間和易燃氣體濃度數據進行預訓練，獲得最優權值矩陣和最優偏置值，作為深度卷積神經網絡模型的權重初始值和偏置值初始值；將得到的最優權值矩陣和最優偏置值作為權重初始值和偏置值初始值，建立四層深度卷積神經網絡模型，并利用該模型對易燃氣體濃度狀況進行監測。

上述技術方案中，優選地，四層深度卷積神經網絡模型包括輸入層、隱含層和輸出層；輸入層所輸入的信號為時間和瓦斯濃度，輸出層所輸出的信號為瓦斯濃度監測情況，每個隱藏層均由卷積和下采樣函數組成。

上述技術方案中，優選地，采用遞推最小二乘法算法對四層深度卷積神經網絡模型進行訓練，將輸出層和對應的輸入層進行對比，直到網絡訓練的均方誤差達到要求，確定各層的權值和閾值。

本發明將易燃氣體濃度數據存入數據庫，并且將該數據作為時間序列進行處理得到易燃氣體濃度時間序列數據，然后通過神經網絡輸出，預先設定了濃度邊界值，達到該邊界值，系統進行自動報警，能實現系統實時檢測和發出預警，取得了較好的技術效果。

本發明利用現代的空間數據挖掘技術從這些易燃氣體監測數據中自動、快速、準確地提取與易燃氣體災害事故發生相關的空間信息，揭示易燃氣體災害的演化規律，建立瓦斯災害預測預報模型。

下面通過實施例對本發明作進一步的闡述，但不僅限于本實施例。

具體實施方式

【實施例1】

一種瓦斯監測和預警的方法，其包括如下步驟：

1)獲取多點的瓦斯濃度數據，存入數據庫；

2)將數據庫中的數據作為時間序列進行處理得到瓦斯濃度時間序列數據，其中，時間為采集到瓦斯數據的實時時間，瓦斯濃度作為時間的因變量；

3)設計深度受限玻爾茲曼機模型，對采集到的時間和瓦斯濃度數據進行預訓練，獲得最優權值矩陣和最優偏置值，作為深度卷積神經網絡模型的權重初始值和偏置值初始值；將得到的最優權值矩陣和最優偏置值作為權重初始值和偏置值初始值，建立四層深度卷積神經網絡模型，并利用該模型對瓦斯濃度狀況進行監測；四層深度卷積神經網絡模型括輸入層、隱含層和輸出層；輸入層所輸入的信號為時間和瓦斯濃度，輸出層所輸出的信號為瓦斯濃度監測情況，每個隱藏層均由卷積和下采樣函數組成；采用遞推最小二乘法 算法對BP神經網絡進行訓練，將輸出層和對應的輸入層進行對比，直到網絡訓練的均方誤差達到要求，確定各層的權值和閾值

4)設定瓦斯濃度邊界值，實現預警。

本發明將瓦斯濃度數據存入數據庫，并且將該數據作為時間序列進行處理得到瓦斯濃度時間序列數據，然后通過神經網絡輸出，預先設定了濃度邊界值，達到該邊界值，系統進行自動報警，能實現系統實時檢測和發出預警，安全性較好。