气化采煤是协调解决煤利用率和环境问题的首选。目前商业性气化采煤遇到的主要瓶颈是生产的可燃气体的浓度、组分和热值不稳定。为解决这一问题需有效监控地下煤层燃烧状态来控制燃烧过程,而地下温度场是最直接反应燃烧状态的关键信息,但直接测量温度场又存在难度。煤在气化时的燃烧温度会加速地层中氡的析出,并为氡向地表迁移提供有利条件。实验证明燃烧炉上方有明显的壤氡异常,可通过一种有效壤氡测量方法获取这一异常信息从而可间接研究煤层燃烧状态的目的。本项目通过多点阵列式组网同步累积壤氡多参数实时测量煤气化进程中的壤氡浓度,先由小波分析、特征树搜索、非线性量化预处理及主成分相关分析等算法提取壤氡多参数特征量,再由神经网络方法获取地下煤层温度,并与热电偶的实测值对比其正确性;最后由小波分析提取温度场特征信息,从而圈定地下燃烧区,进而探索地表壤氡异常与地下煤气化状态关系的相关规律,为煤气化开采提供有效的技术和科学依据。
英文主题词Soil radon;Coal gasification;Abnormal information;Gasification furnace temperature field;Experiment