Комплексирование прогнозов технологических ситуаций с оборудованием в очистном забое угольной шахты

Сведения об авторах

Реферат

Статья направлена на развитие и обоснование одного из подходов к прогнозированию индивидуального остаточного ресурса конкретного, находящегося в эксплуатации горно-шахтного оборудования (ГШО) в очистном забое угольной шахты. Выявлены основные причины, влияющие на точность прогнозов.

Показана перспективность применения комплексированных прогнозов по нескольким аналогам с помощью сплайн-функций для переменных, характеризующих технологические ситуации с ГШО. Приведена процедура краткосрочного прогнозирования многомерного процесса изменения среднегодовых значений переменных, описывающих технологические ситуации (заштыбовка, изгиб конвейера в горизонтальной плоскости, порыв тяг, порыв проушин крепи лавы, заваливание секций крепи и т.п.) с конвейером и крепью лавы в очистном забое. Выявлены успешно прогнозируемые и непрогнозируемые переменные. Проведенные комплексированные прогнозы по разным критериям самоорганизации позволили установить оптимальное число аналогов и ранжировать прогнозируемые переменные комбайна и крепи по точности прогноза.

Показано, что комплексирование прогнозов состояний очистного оборудования по двум аналогам дает большее количество прогнозируемых переменных, чем по одному и трём аналогам. При прогнозе по методу комплексирования аналогов из 12 переменных 10 успешно прогнозируются. Показана возможность прогноза многомерных технологических ситуаций и при наличии тренда.

Ключевые слова: переменная, прогноз, аналог, сплайн-функции, критерий, баланс дискретизаций, предиктор, очистной забой, ресурс, технологическая ситуация, комбайн, крепь лавы, заштыбовка, метод комплексирования, селекция, погрешность.

About the author

Abstract

The article is aimed at developing and substantiating one of the approaches to forecasting the individual residual resource of a particular mining equipment in operation in a coal mine clean-up area. The main causes that affect the accuracy of forecasts are identified.

The prospects of using complex forecasts on several analogs with the help of spline functions for variables, characterizing the technological situations with GGOs, are shown. The procedure of short-term forecasting of the multidimensional process of changing the average annual values of variables describing technological situations (zashtybovka, bending of the conveyor in the horizontal plane, the rush of traction, the rush of the lash lugs, lining the securing sections, etc.) with the conveyor and lava supports in the cleaning face. Successfully predictable and non-predictable variables are identified. Conducted complex forecasts for different criteria of self-organization allowed to determine the optimal number of analogs and to rank the forecasted variables of the combine and krepi according to the accuracy of the forecast.

It is shown that the combination of the state forecasts of the cleaning equipment by two analogs gives a greater number of predicted variables than one and three analogues. When predicted by the method of integrating analogues of 12 variables, 10 are successfully predicted. The possibility of forecasting multidimensional technological situations and in the presence of a trend is shown.

Key words: variable, forecast, analog, spline functions, criterion, balance of discretizations, predictor, clearing face, resource, technological situation, combine, lava support, zashtybovka, method of integration, selection, error.

Введение

В настоящее время все более актуальными становятся задачи прогнозирования состояния ГШО на угледобывающих предприятиях в условиях постоянного роста удельного веса машин и механизмов в структуре промышленно-производственных фондов. В современных условиях цена ошибки от необоснованных решений управленческого характера сводится к большим потерям для производства. Поэтому особый интерес вызывают вопросы прогнозирования индивидуального остаточного ресурса ГШО на стадии его эксплуатации. Их решение опирается на графики планово-предупредительного ремонта, технологические карты по безопасному техническому обслуживанию и ремонту оборудования шахты, журнальные отчёты горных мастеров. При этом используется текущая информация об объекте, полученная в результате хронометражных наблюдений и измерений во время эксплуатации, например, механизированных комплексов очистных забоев [1,7,8].

Многочисленные исследования функционирования очистных забоев, как объектов прогнозирования показывают, что они представляют собой сложную динамическую систему. Если попытаться уточнить понятие сложности, то, прежде всего, необходимо выделить многомерность, нестационарность, стохастичность производственного комплекса. Забой лавы проходит участки геологических осложнений, поэтому явно присутствует влияние, причём, стохастическое, условий эксплуатации на состояние оборудования. Поэтому считается, что процесс добычи угля весьма сложен для прогноза. Необходимо прогнозировать переменные, описывающие технологические состояния очистного оборудования на стадии эксплуатации. То есть, определять какие переменные успешно прогнозируются и какие не прогнозируются. Поскольку от них зависит решение задачи индивидуального прогнозирования ресурса, то есть оценка рисков по отношению к аварийным ситуациям, установление допустимых остаточных сроков эксплуатация при наличии возрастающего риска и т.п.

Теория вопроса

Ивахненко А.Г. была высказана мысль о том, что популярными в научной среде детерминистическими методами синтеза алгебраических уравнений однократного прогноза, основанных на регрессионных алгоритмах, не предусматривающих свободы выбора решения, просто немыслимо решать сложные задачи, например, предсказать количество воды в реке через 10 лет [3]. Формирование точных прогнозов усложняется тем, что многие случайные процессы настолько стохастичны, что принципиально не поддаются математическому или иному прогнозированию. Процессов, не поддающихся прогнозу, очень мало, меньше, чем может казаться на первый взгляд. Большинство случайных процессов прогнозируемы с большой точностью.

Отсутствие удачных прогнозов объясняется и тем, что для прогнозов обычно применялись слишком простые (линейные и квадратичные) уравнения прогнозирования. Утверждение о том, что простые соотношения более соответствуют истине, чем сложные, справедливо только для простых детерминированных случаев. В сфере стохастических явлений действуют сложные, нелинейные соотношения [7, c.200].

До сих пор рассматривали вопросы прогнозирования случайных процессов, представленных рядом дискретных точек. Эксперты предсказывают определённые события, а не значения случайных процессов. Во многих случаях прогноз единичных событий не отличается от прогнозирования непрерывных случайных процессов. Например технологические ситуации с ГШО изменяются под воздействием определенных факторов, одни из которых участь строго математически сложно, а другие возможно. Хотя бы с определенной степенью уверенности. Например, остановка электродвигателя есть пример единичного события. Но ясно, что событие непосредственно связано с ходом роста температуры нагрева его комплектующих элементов. А прогноз температуры есть прогнозирование случайного процесса. Возможно оценить также и существующую постоянную времени износа оборудования в очистном забое.

Поэтому прогноз единичных событий, которые отличаются тем, что уже они бывали в прошлом, не только возможен, но и почти не отличается от прогноза непрерывных случайных процессов. А вот прогнозирование событий, которых еще никогда не было, весьма затруднительно. Некоторая возможность здесь скрыта в исследовании аналогичных явлений. Ведь «смутная» память человека наверняка как раз и представляет собой большой набор аналогов, в чём-то (по законам близости изображений распознавание образов) похожих на ситуацию, относительно которой нужно принять решение в данный момент. Задача часто состоит в выборе и обосновании выбора подходящего аналога для решения той или иной проблемы.

Как правило, изменения технологических параметров ГШО часто приводят к возникновению аварий. При некоторых видах аварий, например, при обрыве цепи конвейера, при сходе струга с направляющих и т.п., работа по добыче невозможна. При авариях же с механической частью крепи в лаве, при частичной заштыбовке конвейера можно продолжать работу по добыче. Как известно, аварии это события, повторяющиеся с определенными циклами [5,7,с.200]. Есть определенные циклы и периоды, когда события могут повторяться каждые 5-7 лет или каждые 10-12 лет и, их число должно быть одинаковым. Необходимо рассмотреть применение к предсказанию состояний очистного забоя метод прогноза случайных процессов при помощи поиска аналога или нескольких аналогов в предыстории. Формально в качестве исходных данных можно взять выборку наблюдений многомерного процесса в очистном забое, но при условии, что эта выборка достаточно представительна для описания состояний забоя как объекта наблюдения. Поэтому то, что случилось в прошлом, повторяется еще раз в данное время, если исходное состояние было аналогичным.

Для прогноза погоды и изменения климата требуется наличие длинной и разнообразной выборки данных при стационарном характере многомерного процесса. Поскольку при прогнозе состояний очистного забоя количество предсказываемых переменных значительно превышает число точек прогноза (лет наблюдений), то целесообразно использовать метод комплексирования прогнозов по нескольким аналогам. Прогнозы не рассчитываются, а берутся из таблицы данных наблюдений. Преимущества этого метода были показаны в работах [1,6,с.46,7] при решении задач прогнозирования многомерных процессов в экологических системах. Известные алгоритмы экстраполяции, например, МГУА, как правило, успешно прогнозируют лишь небольшое число переменных многомерного процесса.

Точность прогноза каждой переменной, например, очистного забоя, типичных подземных аварий, таких как взрывы, пожары, горные удары, оценивается по величине вариации:

прогноза по методу аналогов, а ее знаменатель — среднюю ошибку обычного прогноза по среднему. По сути в (1) сравниваются эти две ошибки. Поэтому, когда прогноз по аналогам позволяет получить более точную информацию, чем прогноз по среднему, он считается оправданным или эффективным. Обычно прогноз каждой переменной считается

для максимально возможного увеличения этого процента для всех М переменных при короткой выборке исходных данных, например, горно-производственной деятельности, целесообразно переходить от поиска одного аналога в предыстории к комплексированию прогнозов нескольких аналогов. Кроме того, появляется возможность указать переменные, например, очистного забоя, в качестве предикторов и ранжировать их по эффективности конечного результата прогнозирования при переборе 3-х аналогов, начиная с одного аналога.

Изложение основного материала

Будем рассматривать комплексирование прогнозов нескольких аналогов с помощью 2-х подходов и сравнения их по эффективности (успешности) предсказания на примере прогноза параметров ГШО очистного забоя шахты. Первый из них основан на использовании сплайн-функций со степенными коэффициентами по критерию вариации прогноза, а другой — на переборе эвристик (число аналогов, состав множества переменных, степень коэффициентов сплайн-функций) по критерию непротиворечивости или баланса дискретизаций. Последний подход непосредственно вытекает из принципов самоорганизации или массовой селекции. Эти подходы позволят установить не только число успешно прогнозируемых переменных очистного забоя, но и выявить переменные, возможно не учтенные в данной работе и, имеющие «размытый» прогноз, к которым полезнее применить аппарат нечеткой логики Л. Заде.

по первому подходу  прогнозов нескольких аналогов, обычно ближайших к точке C. Число учитываемых аналогов при комплексировании определяется экспертным путем. Для комплексирования будем использовать экстраполяцию пространства прогнозов с помощью сплайн-функций, но при допущении, что в каждой точке этого пространства присутствует значение прогноза, вычисляемое при помощи прогнозов, полученных в соседних точках пространства. В качестве сплайн функций применяется полный полином следующего вида [4]:

где i — номер переменной.

— при учете прогнозов двух аналогов (В=2):

—

Можно записать выражения для сплайн-функций при учете четырех, пяти и более аналогов. Но практически количество успешно и удовлетворительно прогнозируемых переменных с ростом числа аналогов не только не увеличивается, но даже и снижается. Это показано ниже в данной работе. Поэтому опустим эти выражения. Укажем на важное обстоятельство, вытекающее из формул (7), (8). А именно: из (7) следует, что

Соотношения (9) и (10) можно считать контрольными для сплайн-функций (6), (7), (8). Их справедливость легко доказывается из (7), (8) с помощью известного правила Лопиталя для раскрытия ситуаций бесконечности.

Обработка данных. Обсуждение результатов

Попробуем выделить из 12 переменных, характеризующих нештатные ситуации с конвейером и крепью лавы, некоторое множество, поддающееся успешному и удовлетворительному прогнозированию при помощи комплексирования прогнозов. Исходные данные рассматривались в качестве координат восьми точек наблюдений в двенадцатимерном пространстве переменных. Они были нормированы по формуле:

Далее путем сдвига номеров точек исходных данных на единицу было найдено пространство прогнозов, аппроксимация которого сплайн-функциями с вычислением значения прогноза в выходной точке и представляет собой комплексирование. Успешность

.

Видно, что лучшим предиктором является доля перекосов секций крепи на сборном штреке, а худшим — заштыбовка конвейера очистного забоя. По сути метод аналогов позволил выявить эффективный ансамбль предикторов — признаков, не упустив ни одного из них.

Прогноз по трем аналогам на 2012 год (последний год исходной выборки данных) выполнялся с целью выявления оптимального числа учитываемых аналогов (3 аналога) и оптимального ансамбля прогнозируемых переменных (7 переменных) очистного забоя. Чтобы сделать прогноз на следующий, 2013 год, необходимо допустить, что оптимальное число аналогов и ансамбль переменных на последнем шаге выборки остаются без изменения.

Таблица 1

Данные для выбора эффективных прогнозов по критерию вариации

Перебору подлежат все варианты использования точек по одной, две, три и т.д. в качестве аналогов, вплоть до учета всех точек (строк) выборки. При этом 12 исходных переменных назначаются экспертами априорно, а показатель степени коэффициентов сплайн-функции принимается на единицу меньше размерности пространства аналогов. При переборе точек ранжирование можно прекратить, как только увеличение числа переменных перестаёт снижать критерий (12), что означает достижение им минимума. Но к пороговому значению критерия (12) предъявим другие требования. Будем считать прогноз хорошим

Ранжированный ряд переменных при комплексировании прогнозов двух аналогов оказался следующим:

Таблица 2

Данные для выбора ансамбля эффективных прогнозов по критерию баланса дискретизаций при прогнозе на 2013г.

Выводы и предложения

Описанный подход можно применить для краткосрочного предсказания таких типичных аварий в шахтах, как взрывы, пожары, горные удары, затопления горных выработок. Возможно, при подобных авариях столкнемся с прогнозированием нестационарных многомерных процессов при наличии трендов, когда многие переменные будут непрерывно увеличиваться или уменьшаться. А это затруднит поиск аналогов. Выделив тренд одним из известных способов, изложенный подход можно использовать для прогноза отклонений от тренда. Очевидно, что та или иная статистика по указанным авариям существует и аналоги могут быть определены. Вопрос лишь в том, сколько их потребуется. Для пошагового прогнозирования нештатных ситуаций важен переход к квазистационарности наблюдаемых процессов А количество успешно прогнозируемых переменных остается общим показателем эффективности любого процесса. Расчёты могут вестись по приведенным выше критериям прогноза.

Повторением процедуры пошагового прогнозирования можно добиться долгосрочного прогноза на любой угольной шахте с упреждением до нескольких шагов, а при времени прогноза более четырех шагов (лет) можно применить в качестве меры близости выходной точки к аналогам канонический коэффициент корреляции.

Список литературы

1. Ивахненко А.Г., Ивахненко Н.А., Костенко Ю.В. Непараметрические прогнозирующие модели МГУА // Автоматика.-1989.-№3.-С.3-10.

2. Качурин Н.М. Прогноз метановой опасности угольных шахт при интенсивной отработке угольных пластов. / Н.М. Качурин, В.И. Клишин, А.М. Борщевич, А.Н. Качурин. – Тула: ТулГУ, 2013.-219с.

3. Ивахненко А.Г., Зайченко Ю.П., Дмитров В.Д. Принятие решений на основе самоорганизации. –М.: Сов. Радио, 1978-280с.

4. Кожевников Ю.В.Введение в математическую статистику.-Казань: КГТУ, 2013.-196с.

5. Козырева Е.Н., Шинкевич М.В. Разработка рекомендаций по повышению эффективности управления газовыделением на выемочных участках // Вестник Кузбасского государственного технического университета.-2016.-№5.-С.138-142.

6. Куприянов В.В., Баранникова И.В. Методологические аспекты диспетчерского контроля газовоздушных ситуаций на участках шахты // Горный информационно-аналитический бюллетень.-2016.-№9.-С.46-58.

7. Куприянов В.В., Мацкевич О.А., Бондаренко И.С. Параметрические и непараметрические модели прогнозирования нештатных ситуаций в подземных горных выработках // Горный информационно-аналитический бюллетень.-2018.-№3.-С.200-207.

8. Куприянов В.В., Стадник Д.А., Компаниец Б.И. Оценка остаточного ресурса горно-шахтного оборудования – одна из важнейших задач при управлении выемочным участком угольной шахты // Горный информационно-аналитический бюллетень.-2008.-№10.-С.329-336.

Literary list

1. Ivakhnenko AG, Ivakhnenko NA, Kostenko Yu.V. Nonparametric predictive models of GMDH // Avtomatika.-1989.-№3.-P.3-10.

2. N.M. Kachurin. Forecast of methane hazard of coal mines with intensive mining of coal seams. / N.M. Kachurin, V.I. Klishin, A.M. Borshchevich, A.N. Kachurin. — Tula: Tula State University, 2013.-219p.

3. Ivakhnenko A.G., Zaichenko Yu.P., Dmitrov V.D. Decision-making on the basis of self-organization. -M .: Sov. Radio, 1978.-280p.

4. Kozhevnikov Yu.V. Introduction to mathematical statistics.-Kazan: KSTU, 2013.-196p.

5. Kozyreva E.N., Shinkevich M.V. Development of recommendations to improve the efficiency of gas management at the excavation sites // Bulletin of the Kuzbass State Technical University.-2016.-No. 5.-P.138-142.

6. Kupriyanov V.V., Barannikova I.V. Methodological Aspects of the Dispatch Control of Gas-Air Situations at Mine Sites // Mining Information Analytical Bulletin.-2016.-No.-P.46-58.

7. Kupriyanov V.V., Matskevich O.A., Bondarenko I.S. Parametric and nonparametric models for predicting off-normal situations underground mines // Mining Information Analytical Bulletin.-2018.-№3.-P.200-207.

8. Kupriyanov V.V., Stadnik D.A., Kompaniets B.I. Estimation of the residual resource of a mining equipment is one of the important problem for control area of coal main excavation // Mining Information Analytical Bulletin.-2008.-№10.-P.329-336.