唐一举

摘 要：为了准确可靠预测工作面的瓦斯涌出量，本文以卡尔曼滤波为基础，结合人工神经网络，设计虚拟中间状态变量并得出对应预测模型。其間通过Matlab使预测模型实现目的，并用此方法对某矿采煤工作面瓦斯涌出量进行预测。结果表明，建立的预测方法具有较好的预测性能，其平均误差为3.35%，结果正确可靠。

关键词：卡尔曼滤波法;径向基神经网络;瓦斯涌出量

中图分类号：TD712.5文献标识码：A文章编号：1003-5168（2019）29-0096-03

Improved Kalman Filter for Predicting Gas Emission from Coal Face

TANG Yiju

（Henan College of Industry & Information Technology，Jiaozuo Henan 454000）

Abstract： In order to accurately and reliably predict the amount of gas emission from the working face， this paper used the Kalman filter as the basis and combined the artificial neural network to design the virtual intermediate state variables and obtain the corresponding prediction model. In the meantime， the prediction model was achieved by Matlab， and the gas emission from a coal mining face was predicted by this method. The results show that the established prediction method has better prediction performance， and the average error is 3.35%， the result is correct and reliable.

Keywords： Calman filtering method;radial basis function neural network;gas emission

煤矿瓦斯灾害严重影响煤矿的可持续生产，因此非常有必要对瓦斯涌出量进行精确预测，以保证矿井安全生产。长期以来，学者对瓦斯涌出量预测方法做了大量的研究，付华等采用ACC-ENN算法构建煤矿瓦斯涌出量动态预测模型[1]，樊保龙提出了基于LMD-SVM的采煤工作面瓦斯涌出量预测方法[2]，朱红青研究了基于人工神经网络的工作面瓦斯涌出量预测方法[3]，陶云奇通过改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量[4]，这些瓦斯涌出量预测方法取得了一定成功。

采煤工作面的瓦斯涌出受地质赋存条件、煤层瓦斯含量、采煤方法、通风方式等众多因素的影响，这些因素相互影响。基于以上原因，如果利用固定的预测网络和参数来建立瓦斯涌出量预测方法，预测时很有可能出现不满足精度的结果。为了能够可靠连续地预测出矿井瓦斯涌出量，人们提出了一种改进的卡尔曼滤波预测方法，以便合理预测矿井瓦斯涌出量[5，6]。

1 卡尔曼滤波法的瓦斯涌出量模型建立