基于K-means算法的采空区“三带”划分.pdf

新疆钢铁总第169期2024年第1期基于K-means算法的采空区“三带”划分宋 冉，王 彤（华北理工大学，河北 唐山 063210）摘要：采空区“三带”范围的划分可以有效防治煤自燃。为进一步解决不同区域的煤自燃“三带”划分存在差异性的问题，本文构建了基于K-means算法的采空区“三带”划分模型。基于东欢坨煤矿3015工作面的束管数据构建数据集，引入三种聚类算法和六个聚类评价指标，建立三个采空区“三带”划分模型，通过分析模型效果选出最优聚类模型。结果表明，K-means模型聚类效果最好，模型评价指标轮廓系数、CH指数和DH指数分别为0.573、121.291和0.47，基于氧气的采空区“三带”划分结果为4.435-20.294 m。本文所构建的多参数、多算法、多组合的煤自燃采空区“三带”划分模型精确度高，适用性强，可以针对不同环境的煤自燃三带进行划分，进而保障煤矿开采的安全性。关键词：“三带”划分；K-means算法；东欢坨煤矿DOI：10.20146/ki.1672-4224.2024.01.027中图分类号：X752文献标识码：B文章编号：1672-4224（2024）01-0083-03Three Zones Division of Goaf Based on K-means AlgorithmRan Song,Tong Wang(North China University of Technology,Tangshan,Hebei 063210)Abstract:The division of the three zones in goaf can effectively prevent coal spontaneous combustion.To further address theissue of differences in the division of coal spontaneous combustion three zones in different regions,this paper constructs athree zone division model for goaf based on the K-means algorithm.Based on the bundle data of the 3015 working face inDonghuantuo Coal Mine,a dataset was constructed.Three clustering algorithms and six clustering evaluation indicators wereintroduced to establish three three belt division models for goaf.The optimal clustering model was selected by analyzing themodels effectiveness.The results showed that the K-means model had the best clustering performance,with evaluation indicators such as contour coefficient,CH index,and DH index of 0.573,121.291,and 0.47,respectively.The results of the threezones division of goaf based on oxygen were 4.435-20.294 meters.The multi parameter,multi algorithm,and multi combination coal spontaneous combustion goaf three zone division model constructed in this article has high accuracy and strong applicability,and can be divided for different environments of coal spontaneous combustion three zones to ensure the safety ofcoal mining.Key words:three belts division;K-means algorithm;donghuantuo coal mine作者简介：宋冉，女，20岁，本科，华北理工大学。E-mail：基金项目：华北理工大学大学生创新创业训练计划项目资助项目（X2023235）引言当前煤矿开采的安全性深受煤自燃的影响，工作面在煤炭采出后在后方顶板垮落形成采空区，容易出现煤自燃现象。受氧气和风速等指标影响采空区可以划分为三带1。王毅等学者以温度和氧气为指标对高家窑煤矿5203工作面采空区进行划分，发现以温度和氧气浓度为指标的“三带”划分结果相近，并且与数值模拟结果相接近2。运用数理统计方法，实现了针对特定工作面的采空区“三带”划分，如何针对采空区不同区域“三带”进行划分，需要进一步的研究。随着计算机仿真科学技术的发展，以计算 CFD计算模拟的Fluent、Comsol等数值模拟软件问世，为采空区煤自燃“三带”划分提供了新的方法。曹国飞通过数值模拟，对采空区自燃“三带”分布及变化的定量规律进行分析3。高东等学者运用计算CFD数值模拟技术和灰色关联分析得到采空区易发生煤自燃的危险区域数值4。尽管随着数值模拟技术的发展，为采空区煤自燃危险程度划分提供了新的理论指导，但是存在划分不够精确的问题。聚类算法伴随着统计学、计算机学等领域科学的发展而逐步发展起来，其在对数据的处理和划分方面有显著优点。832024年第1期新疆钢铁总第169期程文东等学者基于模糊聚类分析研究采空区自燃“三带”性质5。陈少泽等学者运用 K-means 算法分析测井曲线，对侏罗系含煤地层进行划分、分组，提高了寻找相同类的煤岩层的准确度6。综上所述，自燃危险区域划分不够精准，智能算法在“采空区”三带划分中鲜少应用，因此本文基于3015工作面数据，通过建立多种聚类算法的模型，结合多模型多指标的对比分析选取最优模型。1基本原理在机器学习中，聚类是按照某个特定标准把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大，也就是聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离7。目前国内外常用的聚类算法包括K-means、C均值聚类、AGNES和GMM等。基于聚类算法的采空区“三带”划分模型如图1所示。图1 流程图1.1K-meansK-means聚类作为一种基于原型的聚类算法，采用贪心策略，通过迭代优化求解样本簇的最小化平方误差，实现聚类划分8。K-means通过初始化K个簇类中心，基于计算样本与中心点的距离，归纳簇类下的所属样本，以迭代实现样本与其归属的簇类中心的距离为最小的目标，最小化平法误差公式如下：arg mincJ(C)=k=1Kx(i)Ckx(i)-(k)22（1）对于距离计算常采用的有曼哈顿距离和欧式距离，如下所述：d(x,y)=i=1n|xi-yi|（2）d(x,y)=i=1n(xi-yi)2（3）1.2层次聚类层次聚类在不同层次对数据集进行划分，从而形成树状的聚类结构，数据集的划分可以采用“自底向上”，也可以采用“自底向下”的分拆策略。对于层次聚类中聚类的计算指的是集合间的距离，可以采用最大距离、最小距离或者平均距离公式进行计算。对于层次聚类中聚类的计算指的是集合间的距离，可以采用最大距离、最小距离或者平均距离公式进行计算。1.3DBSCANDBSCAN是一种基于密度聚类的算法，在DBSCAN算法中，只要任意两个样本点是密度直达或密度可达，那么两个样本点可被看成同一簇类。密度直达即q处于p的邻域内，且p为核心点，则称q是由p密度直达；密度可达即q处于p的邻域内，且p、q均为核心点，则称q的邻域点由p密度可达。算法规定若使用曼哈顿距离，则邻域为矩形，若使用欧拉距离，则邻域为圆形。DBSCAN算法先任选数据集的一个核心对象作为“种子”，遍历出所有核心对象，以任一对象为出发点，找其密度可达的样本生成的聚类簇，直到所有的对象均被访问为止。2算例测试基于 python机器学习基础学习算法包，本文采用了K-means、层次聚类和DBSCAN三种无监督的聚类算法，以O2为参数指标，针对3015工作面数据构建“三带”划分模型。2.1数据来源煤自燃采空区“三带”划分的影响因素可以包括矿井的气体数据和工作面物理数据。煤自燃“采空区”的气体参数一定程度上揭示了采空区煤炭自燃的规律，为了研究采空区“三带”划分的规律，本文收集了来自东欢坨3015采空区氧气数据。对于部分原始数据如表1所示：表1 部分原始数据2.2评价指标为了选择合适的方法和参数、评估聚类质量和埋深（m）55.46.297.21号平台（%）20.15420.5422号平台(%)14.21620.5073号平台(%)20.30820.6334号平台(%)20.95320.61319.182584新疆钢铁总第169期2024年第1期优化聚类结果，对于不同聚类算法采用不同的聚类评估指标，以选出最优聚类模型，确保采空区“三带”划分的可行性。根据三个聚类算法的不同原理采用不同的评估指标，对于K-means采用轮廓系数、CH指数和DB指数作为评估指标；对于层次聚类采用轮廓系数、CH 指数和 Dunn 指数作为评估指标；对于 DBSCAN采用轮廓系数、DB指数、可达密度和噪声比作为评估指标。2.3模型选择基于聚类算法对煤自燃采空区“三带”进行划分，本文选择了K-means、层次聚类和DBSCAN的三种聚类算法。通过分析聚类图片和各模型组合确定效果最优的聚类模型。基于东欢坨煤矿3015工作面四组测点数据，分析氧气指标下的最优聚类效果。以东欢坨3015工作面1号管为例的聚类探讨。对于三种聚类算法，结合组合三个，以氧气为主要气体指标建立模型，聚类效果如图2所示。结合直观的散点图可以看出，K-means和层次聚类的采空区“三带”较为均衡，DBSCAN的效果最差，中间一类与其余两类差距较大。表2 氧气下的聚类指标在基于K-means、层次聚类和DBSCAN的三种聚类算法中，K-means的簇内较为紧密、类间差距大，聚类效果比较好；DBSCAN簇内最不紧密，类间差距小，聚类效果在三种算法中比较差，见表2。综上所述，在基于氧气的“三带”划分中，建立的K-means模型聚类效果普遍比较好，簇内紧密度最高，簇间也有明显的差距。因此基于氧气的采空区“三带”划分结果为4.435-20.294 m。3结论首先，本文提出了集数据处理、特征参数组合、聚类模型建立、模型选取的煤自燃采空区“三带”划分模型；其次，采用轮廓系数、CH指数、DB指数等6个评价指标，确定了3种参数组合，通过对比评价指标和聚类效果直观图，选取最优聚类模型K-means；最后，本文建立的基于氧气指标的煤自燃采空区“三带”划分模型，精确划分采空区的“三带”范围，其中依据东欢坨煤矿3015工作面氧气数据划分的“三带”范围为4.435-20.294 m。参考文献1Wei W,Kun Q Z,Peng L,et al.Division Method of CoalSpontaneous Combustion Zone in Multi-layer Goafs Based onFracture Development LawJ.Combustion Science andTechnology,2023,195(6):1346-1368.2 王毅，周余，高靖博等.多夹层顶板综放工作面采空区自燃“三带”划分 J.矿业安全与环保，2023，50（01）：97-102.3 曹国飞.采空区自燃“三带”数值模拟研究 J.煤炭与化工，2017，40（11）：62-64.4 高东，郭立稳，王福生等.采空区自燃危险区域数值模拟J.中国科技论文，2022，17（01）：78-84.5 程文东，买巧利，吴学松.基于模糊聚类分析的采空区自燃“三带”性质研究 J.工矿自动化，2013，39（02）：39-42.6 陈少泽，张媛.聚类分析测井曲线对含煤地层岩性划分方法 J.内蒙古煤炭经济，2022（07）：22-24.7 李永国，徐彩银，汤璇等.半监督学习方法研究综述 J.世界科技研究与发展，2023，45（01）：26-40.8 王森，刘琛，邢帅杰.K-means聚类算法研究综述 J.华东交通大学学报，2022，39（05）：119-126.a.K-meansb.层次聚类c.DBSCAN图2 3015工作面氧气指标聚类结果氧气K-means层次聚类DBSCAN不同评估指标轮廓系数0.5730.5540.332CH指数121.291116.137DB指数0.4700.487Dunn指数4.841可达密度5.076噪声比0.37585