基于叠加马尔科夫链的矿井涌水量预测.docVIP

基于叠加马尔科夫链的矿井涌水量预测 　　摘要：针对马尔科夫链预测的局限性，提出了能够进行清晰定量计算的叠加矿井涌水量的马尔科夫链预测方法。基于2008年1月-2013年12月成庄煤矿72个月的涌水量资料，进行涌水量状态分级，计算状态转移矩阵，[JP2]将不同步长转移矩阵求得的预测值进行叠加平均，[JP2]进而建立了叠加马尔科夫链预测模型，分析拟合效果，预测了2014年1月-4月[JP]的涌水量，并与实测值进行了对比。结果表明，该模型的预测精度达到了94.84%，预测效果较好，从而为矿井涌水量的预测提供了一种新方法。 　　关键词：叠加马尔科夫链；矿井涌水量；预测模型；状态分级 　　中图分类号：TD742 文献标志码：A 文章编号：1672-1683（2015）03-0409-04 　　Abstract：Superimposed Markov chain was proposed to predict mine water inflow quantitatively since the general Markov chain has limitations..Based on the water inflow data in the Chengzhuang coal mine from January 2008 to December 2013（72 months），water inflow status was classified，state transition matrix was calculated，the predicted values from different step matrixes were superimposed and averaged，and thus the superimposed Markov chain model was built and the fitting results were analyzed.The water inflow data from January to April 2014 were predicted and compared with the observed data.The results showed that the model prediction accuracy is about 94.84%，so this new method can be used for mine water inflow prediction. 　　Key words：superimposed Markov chain；mine water inflow；prediction model；status classification 　　[JP2]矿井涌水是煤矿建设和开采过程中不可避免发生的现象，科学预报矿井涌水量，能够为矿井排水能力的设计、矿井水害的预防提供依据，从而有利于制定最优确保矿井安全生产的防治水方案[1- 2]。 近年来，矿井涌水量的预测方法不断更新，从解析法、水均衡法等确定性预测方法逐渐发展出水文地质比拟法、模糊数学模型、灰色系统理论、BP神经网络等非确定性（随机）预测方法[3-5]。每种方法都有其特点，同时也有一定的局限性。其中，马尔科夫链预测适用于波动性大、长序列的水文现象的预测，但是其只能预测未来某个时期的涌水量处于某种状态的概率，预测结果是一个区间[6-8]，预测效果具有一定的模糊性。叠加马尔科夫链预测是在马尔科夫链预测的基础上提出的，能够充分利用已知信息，得到具体的预测结果。该方法在地表水文序列预报中的应用较为广泛，如廖捷[9]、朱玉良[10]分别对川西高原小金站和永吉县的降水量进行了叠加马尔科夫链预测，预测效果也较好，但在地下水文序列预测中的应用很少。基于此，利用叠加马尔科夫链预测模型对矿井涌水量序列进行预测，不仅为煤矿安全生产提供有益的参考，也拓宽了该方法在水文序列预测中的应用范围。 　　1 叠加马尔科夫链预测模型的建立 　　马尔科夫链是一种无后效性的时间序列，它描述了随机序列的动态变化过程；马尔柯夫链预测是根据初始的状态概率向量和状态概率转移矩阵来推测某一变量未来某一时期所处状态的一种方法[11-13]；对于一列相依的随机变量，利用各阶（各种步长）马尔可夫链求得的绝对分布叠加来做预测分析，称之为叠加马尔科夫链预测方法。矿井涌水量时间序列是一个水文过程，具有明显的随机性和无后效性，因此将马尔科夫链用于矿井涌水量预测是合理的。 　　叠加马尔科夫链模型预测的基本步骤如下：（1）运用“均值-方差法”划分分级区间；（2）根据已经确定的分级区间确定序列中各时刻所处的状态；（3）计算不同步长的转移概率矩阵；（4）设与待预