矿井安全监测参数

4．2．1　矿井安全监测参数的基本特点分析

煤矿安全监测监控系统周而复始地对井下CH4、CO、O2、CO2等气体浓度和风速、负压、粉尘浓度等环境参数进行检测，并且对设备运行状态进行监测监控。监测系统的数据采集及传输是在煤矿生产环境中完成的，由于井下环境条件恶劣，会使监测系统部件受到温度、灰尘、水蒸汽等各种干扰因素的影响，并且在监测数据的采集、传输、存储及处理过程中，还可能存在传感器故障、存储介质故障及网络传输故障、电磁干扰以及人为管理问题的影响。因此，煤矿井下特殊、复杂的生产环境与监测系统本身的局限性，使得通过监测监控系统采集到的瓦斯监测数据往往存在数据异常、数据缺失和监测精度不可靠的可能，包含噪声，表现出复杂、非线性的特性。

4．2．1．1　异常数据

异常数据可能产生于正常的矿井生产环境，也可能由井下某一区域发生了显著异常引起。在正常生产条件下，由于井下环境恶劣，存在着各种干扰源，传感器输出的微弱信号很容易受到干扰，产生异常数据。比如传感器信号向分站传输过程中，遇有线路接触不良或者电磁干扰就有可能造成虚假信号；井下机电设备启／停时发出的电磁干扰，强干扰脉冲能在瞬间淹没传感器信号等，都可能会产生异常数据。在矿井某一区域发生灾变的条件下，使得瓦斯积聚产生极大值等也是产生异常数据的原因。

在正常生产条件下，异常数据出现的概率不大。若异常数据源于系统故障或环境干扰，其存在将影响数据的真实性和准确性。这类异常数据明显偏离其他数据的总体分布，不符合数据的整体统计特性，会影响到预测结果的准确性。如瓦斯浓度监测数据中连续出现零值的情况，对数据分析处理的影响较大，因而在瓦斯监测数据分析中应该将其剔除或替代。另一方面，由于异常数据也可能是客观地反映了瓦斯涌出的异常变化，因而对小概率的高瓦斯浓度测值不能作简单的剔除。由于小概率的高瓦斯浓度数据受偶然瞬时因素的影响较大，在纳入预测分析时需预先规范化处理。

4．2．1．2　数据缺失

煤矿安全监测监控系统按照设定的巡检周期进行实时数据采集，但是在实际运行中，由于受井下环境变化或供电中断、传感器故障、网络传输故障等多种因素的影响，使得实际得到的监测数据并不是时间间隔均匀的数据序列，经常会存在数据缺失，并且这种数据缺失是大量存在的。监测系统发生故障的原因主要有监测系统主机、转换器、信号传输设备、井下分站、传感器以及配套电源等部件发生故障。如系统的断电引起数据丢失；主机组态软件出现错误造成系统短时故障引起数据丢失；分站电源故障引起分站和传感器无法工作，造成数据丢失；通信线路受高电压冲击、电火花等干扰引起信号中断，造成数据丢失；供电设备处于反复开停的运行状态时，需人工对监测探头复电造成的数据缺失。还有其他一些人为管理因素，主要包括瓦斯传感器维护不当、通信线路维护不当引起的数据丢失等。

数据缺失影响到原始监测数据的完整性，缺失数据会影响从监测数据中提取某个时段的时间序列有用信息，会使预测过程中形成不合理的分析模型，导致预测精度下降，因此，必须对缺失数据进行处理，对缺失数据补齐可使数据尽可能恢复其应有的完整性，以提高预测准确性。

4．2．1．3　噪声

煤矿井下采集到的监测数据中包含的噪声信号是由采集、传输、储存以及处理等过程中受到人为与环境因素共同作用所致。在数据采集过程中，由于煤矿井下环境条件恶劣，各种有毒有害的气体可造成元件灵敏度下降。如高温使得元件催化剂迅速挥发和烧结，造成灵敏度显著下降；在高突矿井中，元件经常受到高浓度沼气冲击，引起载体催化元件灵敏度下降；煤尘与水蒸汽影响等都会引入噪声数据，造成监测数据精度降低；传输过程中，通信线路受高电压冲击、电火花等干扰，造成监测数据精度降低；储存和处理过程中的存储介质故障和系统组件错误等也会使监测数据中混入噪声数据，造成监测数据精度降低。

由于从煤矿井下获得的实际安全监测数据都包含噪声，噪声数据的存在影响了监测数据的准确性和可靠性，使得监测数据表现出分散性。在应用监测数据进行瓦斯浓度、一氧化碳浓度、风量、风压、温度等预测时，噪声数据的存在会直接影响计算的准确性和降低计算性能，影响预测的准确性和有效性。因此，需要对监测数据进行有效的噪声平滑处理，通过对噪声平滑处理尽可能恢复监测数据的真实性，提取监测数据中的有效信息，对由各种因素所造成的数据分散等特征进行复原，以得到尽可能准确可靠的数据。

4．2．1．4　监测数据的复杂、非线性特性

煤矿现场积累着大量、长时段的监测数据，形成时间跨度大、特征复杂的时间序列。如矿井瓦斯监测数据受瓦斯涌出量、风流及监测系统本身的因素影响，包括煤层和围岩的瓦斯含量、地面大气压变化等自然因素，以及开采规模、开采顺序与回采方法、生产工艺、风量变化、采空区的密闭质量等开采技术因素；井下风流的影响因素又包括通风网络结构的变化、巷道风阻的变化、系统通风动力的变化等。因而煤矿瓦斯监测数据构成高度复杂的、非线性的时间序列，需要对其进行分解处理，降低问题的复杂度，以利于提高预测性能与精度。

4．2．1．5　监测精度不可靠

监测数据精度不可靠的主要原因是传感器因调校不规范而误差过大，将直接影响安全管理及预测效果，需要现场技术人员提高业务水平。另一方面，在传感器自身精度合理的条件下，部分低瓦斯浓度测值的监测点，如瓦斯浓度整体处于0．1%以内的监测点，作预测分析的客观必要性不大，因而不宜纳入预测处理的范围。

综上所述，煤矿现场的瓦斯监测数据是大量、长时段数据构成高度复杂的、非线性的时间序列，并且实际监测数据还是时间间隔不均匀，甚至有较长时段数据缺失的含噪声序列，使得瓦斯浓度时间序列分析成为高度复杂、非线性问题。首先要对监测数据进行预处理，处理异常数据，对缺失数据补齐，使得预处理后的数据能够尽可能成为时间间隔均匀且尽可能完整、可靠的数据；对时间序列进行消噪处理，消除噪声干扰，并且对复杂时间序列进行分解简化，以降低预测复杂度，提高预测精度。

4．2．2　安全监测对象

煤矿井下环境以及煤矿安全生产的要求决定了矿井的基本监测对象，矿井环境监测内容主要是井下各种有毒有害气体及工作面的作业条件，主要包括瓦斯浓度、一氧化碳浓度、风速、温度等环境参数；另一类监控对象是井上、井下主要生产环节的各种生产参数和重要设备的运行状态参数，如煤仓煤位、水仓水位、供电电压、供电电流、功率等模拟量，风门、风筒的开关状态，设备馈电与断电的控制状态，皮带、主扇、局扇的控制与开停状态等。

4．2．2．1　瓦斯浓度监控

监控内容包括：瓦斯传感器分布、各瓦斯传感器的当前值、瓦斯超标或出现危险值地点的分布、各瓦斯传感器的工作状态、故障瓦斯传感器的分布、重点监控点的瓦斯变化曲线（历史、当日）。

4．2．2．2　一氧化碳浓度监控

监控内容包括：一氧化碳传感器分布、各一氧化碳传感器的当前值、一氧化碳超标或出现危险值地点的分布、各一氧化碳传感器的工作状态、故障一氧化碳传感器的分布、重点监控点的一氧化碳变化曲线（历史、当日）。

4．2．2．3　风量监控

监控内容包括：风速传感器分布、各巷道的当前风量、各风速传感器的工作状态、故障风速传感器的分布、重要巷道的风量变化曲线（历史、当日）。

4．2．2．4　风压监控

监控内容包括：风压传感器分布、各风压传感器的工作状态与对应的风压监测分站分布。

4．2．2．5　温度监控

监控内容包括：温度传感器分布、各温度传感器的当前值、温度超标或出现危险值地点的分布、各温度传感器的工作状态、故障温度传感器的分布、重点监控点的温度变化曲线（历史、当日）。

4．3．2．6　设备开／停与风门状态监测

设置风门和巷道之间的联系，确定井下监控设备与分站位置，根据地下监控点传到地上的数据，显示当前设备开／停状态、风门及相关巷道状态。根据数据库服务器中实时监测到的设备开／停与风门数据，查看设备与风门的状态。若有设备或风门损坏，可以提供警报信息，利用其和巷道之间的联系查看涉及到的巷道。