具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

下面参考附图描述本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测方法及装置。

图1是根据本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测方法的流程图。

如图1所示，本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测方法，包括以下步骤：

步骤101，获取多个影响因素分别对应的多个水平值，其中，影响因素为对煤层瓦斯抽采钻孔自燃发火时间具有影响的因素。

其中，本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测方法，可以由本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测装置，以下简称预测装置执行，该预测装置可以为电子设备，也可以被配置在电子设备，以实现对煤层瓦斯抽采诱发的煤体自燃的准确预测。其中，电子设备可以为任意能够执行煤层瓦斯抽采诱发煤体自燃的预测方法的装置，比如计算机，本公开对此不作限制。

可以理解的是，在实际生产中由于不同煤层所处条件不同，主要对深部煤层瓦斯抽釆钻孔自燃发火时间产生影响的有4个因素，分别为封孔长度、封孔深度、抽釆负压和地温。本公开实施例以多个影响因素包括封孔长度、封孔深度、抽采负压和地温为例进行说明。

在本公开实施例中，为了解各个影响因素对瓦斯抽釆钻孔自燃发火时间的影响情况，在进行数值计算时，取4个影响因素分别对应的4个不同水平的数值，即4个影响因素分别对应的4个水平值，通过不同取值研究多个影响因素对瓦斯抽釆钻孔自燃发火时间的影响。

以某个煤层瓦斯抽釆钻孔的抽釆负压为-18kPa(千帕)，封孔长度为8m(米)，封孔深度为15m(米)，地温为308.15K(开尔文)的煤矿为例，可以根据煤矿现场不同钻孔抽釆负压的不同、封孔参数(包括封孔深度和封孔长度)、工作面埋深的不同，分别进行取值研究。比如可以将抽釆负压分别设置为-18kPa、-23kPa、-30kPa、-35kPa四个水平来研究抽釆负压对钻孔自燃发火时间的影响；钻孔封孔长度分别设置为6m、8m、10m、13m；封孔深度分别设置为15m、18m、20m、23m；地温分别设置为308.15K、312.15K、316.15K、321.15K。结合以上基本条件，数值模拟时对4个影响因素分别设置4个水平，其具体参数取值如表1所示。其中，P₁表示抽采负压；Fc表示封孔长度；Fs表示封孔深度；Tc表示地温。

表1影响因素的不同水平的参数取值范围

步骤102，对多个影响因素分别对应的多个水平值进行正交实验，以获取多组数据，其中，每组数据包括多个影响因素分别对应的一个水平值。

可以理解的是，多个影响因素分别对应多个水平值，如果需要进行全部的实验则需要进行大量次数的实验，比如将4个影响因素划分为4个水平，对于4个影响因素分别对应的4个水平值，需要进行4⁴(256)组实验，测试次数工程量很大且数据处理繁琐、复杂。而正交试验可以简化繁琐的实验过程，它不仅兼有全面搭配法方案和简单比较法这两个方案的优点，而且实验次数少，数据点分布均匀，结论的可靠性较好。除此之外正交实验还能够确保实验整体的全面性和均匀性，还能够最大限度的减少实验带来的误差。因此，本公开实施例中，对多个影响因素分别对应的多个水平值进行正交实验，以获取多组数据。

在示例性实施例中，继续上述示例，以将4个影响因素划分为4个水平为例，可以通过SPSS25.0软件展开对4个影响因素分别对应的4个水平值的正交试验，最后得出16组实验结果即16组数据，每组数据包括4个影响因素分别对应的一个水平值。正交试验结果如下表2所示。

表2正交实验结果

步骤103，对多组数据进行数值模拟，以获取自燃发火时间变量对应每组数据的时间值。

在示例性实施例中，可以对多组数据运用COMSOL5.4软件进行数值模拟，以获取自燃发火时间变量对应每组数据的时间值。

继续上述示例，对上述16组数据进行数值模拟，可以得到钻孔周围煤体温度达到70℃(摄氏度)所需要的时间。其中，图2为多个编号的数据对应的模拟结果。图2中的图(a)为编号为2的一组数据对应的模拟结果；图2中的图(b)为编号为4的一组数据对应的模拟结果；图2中的图(c)为编号为6的一组数据对应的模拟结果；图2中的图(d)为编号为8的一组数据对应的模拟结果；图2中的图(e)为编号为10的一组数据对应的模拟结果；图2中的图(f)为编号为12的一组数据对应的模拟结果；图2中的图(g)为编号为14的一组数据对应的模拟结果。需要说明的是，由于实验次数较多，图2仅示出部分数据对应的模拟结果。

表3为自燃发火时间变量对应每组数据的时间值，即不同编号的数据对应的瓦斯抽采诱发煤体自燃时间值。

表3自燃发火时间

步骤104，根据多组数据以及每组数据对应的时间值，利用最小二乘原理以及逐步回归方法，经过多步回归，确定多个目标标准化变量以及每个目标标准化变量对应的系数。

步骤105，根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定时间预测函数，以根据时间预测函数，对煤层瓦斯抽采钻孔自燃发火时间进行预测。

在实际应用中，回归方程的各个变量函数关系式的建立需要对变量进行确定，若在回归方程中存在较大量的变量或者是存在变量和其他变量间有着一定程度的相似，那么将会对回归方程的准确性有一定的影响。因此，要建立最优的回归方程需要筛选出对自变量具有显著影响的变量。由于逐步回归方法简单易实现，能够快速对变量进行回归分析，构造最优回归方法，得到最优解，因此，本公开实施例中，采用逐步回归方法，确定时间预测函数。

首先对逐步回归方法进行简单介绍。

逐步回归的主旨是将变量逐个引入回归模型。其一，引入变量时，将逐个测试先前引入的变量。如果先前引入的变量与后来引入的变量作比较，结果与前者相差不大，则可以把先前变量排除回归模型以外。其二，引入和消除变量的完整过程是回归中的一个步骤。每个步骤都经过F检验(方差齐性检验)以确保新引入的变量的重要性。它通过多个步骤重复引入和消除，直到不能引入新的变量，并且不能消除无关紧要的变量为止，从而完成逐步回归。

下面对逐步回归方法中，观测变量的标准化进行介绍。

若(x_α1,x_α2,…x_αp；y_α)，α＝1,2,…,n，是变量(x₁,x₂,…x_p；y)的一组观测数据值，则观测值的“标准化”变换为公式(1)所示。

其中，公式(1)中，z_αj为标准化后的变量。m和n为大于1的正整数。

“标准化”变化后，便可建立y＝x_m与x₁,x₂,…,x_m-1的“标准化”回归方程。

需要说明的是，如果变量之间的关系是非线性的，则可以根据最小二乘原理进一步处理归一化数据。在本公开实施例中，有四个观察到的变量形成一个新的数据序列：z_i,z_i ²,z_iz_j(i<j)，分别是z₁,z₂,z₃,z₄,z₁ ²,z₂ ²,z₃ ²,z₄ ²,z₁z₂,z₁z₃,z₁z₄,z₂z₃,z₂z₄,z₃z₄，则回归结果为非线性方程式：

其中，b₀、b_i、b_ii分别表示系数，z_i、z_i ²、z_j分别表示变量。

回归过程为，选择最大的偏回归R²，构造F检验统计量，之后重复此操作，选取最大的偏回归R²，当前者的构造F检验的概率值大于余下变量的构造的F检测的概率值则引入变量，否则没有显著变量，回归结束。

在示例性实施例中，可以采用以下方法，根据多组数据以及每组数据对应的时间值，利用最小二乘原理以及逐步回归方法，经过多步回归，确定多个目标标准化变量以及每个目标标准化变量对应的系数：

根据多组数据以及每组数据对应的时间值，通过数据标准化转换方法，对多个影响因素以及自燃发火时间变量分别进行标准化，得到多个第一标准化变量；

利用最小二乘原理，对多个第一标准化变量进行非线性数据变换，得到多个第二标准化变量；

将多个第一标准化变量以及多个第二标准化变量作为候选标准化变量；

利用逐步回归方法，经过多步回归，对候选标准化变量进行筛选，以得到多个目标标准化变量，并确定每个目标标准化变量对应的系数。

继续上述示例，根据上述16组数据以及每组数据对应的自燃发火时间值，可以运用数据标准化转换方法，分别对抽釆负压P₁、钻孔封孔长度Fc、钻孔封孔深度Fs、地温Tc进行标准化，对四个影响因素与抽釆钻孔自燃发火时间Yt建立函数关系，得到5个第一标准化变量Z_Yt、Z_P、Z_Fc、Z_Fs、Z_Tc，其计算过程如公式(3)：

σ_P＝6.71，σ_Fc＝2.67，σ_Fs＝3.01，σ_Tc＝4.97，σ_Yt＝184.46250

其中，通过将抽釆负压P1对应的多个水平值代入计算得到；通过将钻孔封孔长度Fc对应的多个水平值代入计算得到，通过将钻孔封孔深度Fs对应的多个水平值代入计算得到，通过将地温Tc对应的多个水平值代入计算得到，通过将自燃发火时间变量Yt对应的多个水平值代入计算得到。类似的，σ_P，σ_Fc，σ_Fs，σ_Tc，σ_Yt根据各影响因素对应的多个水平值、 以及公式计算得到。

进一步的，利用最小二乘原理，可以对多个第一标准化变量进行非线性数据变换，得到多个第二标准化变量，进而将多个第一标准化变量以及多个第二标准化变量作为候选标准化变量。即，可以对第一标准化变量Z_Yt、Z_P、Z_Fc、Z_Fs、Z_Tc进行非线性数据变换，得到多个第二标准化变量：Z_PZ_Fc、Z_PZ_Fs、Z_PZ_Tc、Z_FcZ_Fs、Z_FcZ_Tc、Z_FsZ_Tc，将多个第一标准化变量以及多个第二标准化变量所有变量组合成候选标准化变量：Z_Yt、Z_P、Z_Fc、Z_Fs、Z_Tc、Z_PZ_Fc、Z_PZ_Fs、Z_PZ_Tc、Z_FcZ_Fs、Z_FcZ_Tc、Z_FsZ_Tc。

进一步的，可以利用逐步回归方法，经过多步回归，对候选标准化变量进行筛选，以得到多个目标标准化变量，并确定每个目标标准化变量对应的系数。

具体的，可以根据F检验的概率值小于等于第一预设值直接引入变量，F检验的概率值大于等于第二预设值剔除变量的原则，进行候选标准化变量的引入和剔除，以对候选标准化变量进行筛选。其中，第一预设值和第二预设值可以根据需要设置，比如可以设置第一预设值为0.100，第二预设值为0.110。

以第一预设值为0.100，第二预设值为0.110为例，根据F检验的概率值F≤0.100直接引入，F≥0.110剔除的原则引入和剔除候选标准化变量，经过8步，可以分别引入表4中的7个候选标准化变量，移除1个候选标准化变量。

表4输入/移除的候选标准化变量

表5不同步数下模型的方差

表5为表4中不同步数下回归模型对应的模型方差。根据表5可知，根据逐步回归过程中进行的8步回归计算，随着步数的增加以及相应显著变量的引入，模型的R²逐渐增大，误差逐渐降低，最终经过8步计算建立了8步模型，该模型的R²＝0.912，符合工程及理论要求，说明所建模型合理。

另外，回归模型建立和逐步回归的过程中SPSS软件默认进行了标准化残差分析，绘制了标准化残差的直方图(如图3中图(a)所示)和正态概率图(如图3中图(b)所示)。根据图3中的图(a)，标准差Std.Dev＝0.775，个案数即数据组数N＝16更加充分的证明了回归过程合理和回归模型正确。

可以理解的是，8步回归的过程也是候选标准化变量引入和剔除以及各候选标准化变量先关检验和目标标准化变量对应的系数生成的过程，最终由模型8所得相关变量的系数，由于表格过长，此处只列出了第8步所有系数，如表6。

表6系数

根据表6可知，引入模型8的所有目标标准化变量和常数项的Sig.(significance，显著性)几乎都为0，说明相关性极强极为显著，在此证明了回归模型的合理和相关变量系数求解的正确。

进一步的，确定多个目标标准化变量以及每个目标标准化变量对应的系数，即可根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定时间预测函数。具体的，可以通过以下方式，确定时间预测函数：

根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定以多个目标标准化变量为变量的原始时间预测函数；

根据数据标准化转换方法，将原始时间预测函数中的多个目标标准化变量还原为多个影响因素以及自燃发火时间变量，以确定时间预测函数。

继续上述示例，根据表6，可以建立如公式(4)所示的因变量湿润范围R关于标准化之后的自变量的非线性方程，由于模型建立方程的R²＝0.912，且所有目标标准化变量包括常数项的Sig.几乎均为0，所以方程合理可靠。该方程总体上反映在不同工作面钻孔抽釆瓦斯过程中抽釆负压P₁、钻孔封孔长度Fc、钻孔封孔深度Fs、地温Tc范围的变化及其相关影响因素，从而确定标准化后的原始时间预测函数为公式(4)所示：

在示例性实施例中，可以通过将(4)中各目标标准化变量还原成多个影响因素以及自燃发火时间变量，并调用MATLAB中的simple(f)函数最简化命令程序，得到如公式(5)所示的时间预测函数。

Yt＝34.1Fc+905Fs-131P₁-1317Tc+0.228P₁ ²+2.18Tc²-2.77FsTc+199672 (5)

具体过程可以采用如下代码实现：

>>syms P Fc Fs Tc Yt x y z u n；

>>Yt＝

(-0.797+0.558*(P₁-26.5)^2/6.71317^2+0.549*(Fs-19)/3.01109-0.367*(P-26.5)/6.71317+0.494*(Fc-9.25)/2.67083+0.292*(Tc-314.4)^2/4.97326^2-0.225*(Fs-19)*(Tc-314.4)/(3.0119*4.97326))*184.4625+188.9688；

>>x＝simplify(Yt)；

>>y＝sym(x)；

>>z＝vpa(y,3)；

>>u＝expand(z)；

>>n＝sym(u)；

>>Yt＝vpa(n,3)；

>>Yt

根据公式(5)可以看出，瓦斯抽釆钻孔自燃发火时间受到4个影响因素的共同影响。其中，封孔长度、封孔深度均对钻孔自燃发火时间的影响呈线性正相关的趋势，抽釆负压、地温对钻孔自燃发火时间的影响均呈现二次负相关的趋势。

在示例性实施例中，为研究单个影响因素对钻孔自燃发火时间的影响，还可以采用控制变量法对除要研究的目标影响因素之外的其它影响因素进行控制，只研究单一目标影响因素的变化对钻孔自燃发火时间的影响。

即，在步骤105之后，还可以包括：

将时间预测函数中，除目标影响因素之外的其它影响因素配置为固定值；

根据数值为固定值的时间预测函数，确定目标影响因素与自燃发火时间变量之间的函数关系。

在示例性实施例中，以多个影响因素包括抽釆负压、钻孔封孔长度、封孔深度、地温为例，由于现场煤层地温一般在321.15K，本实施例中只分析研究抽釆负压、钻孔封孔长度和封孔深度对钻孔自燃发火时间的影响。

一、抽釆负压对钻孔自燃发火时间的影响分析

为分析不同抽釆负压P₁对钻孔自燃发火时间Yt的影响，把封孔长度、封孔深度、地温设为固定值来研究其影响规律。根据现场钻孔抽釆条件，以煤矿工作面钻孔的封孔长度为8m，封孔深度为15m，地温为321.15K为例，把已知条件代入到公式(5)中可以得出：

Yt＝0.228P₁ ²-20.52P₁+496.7 (6)

根据公式(6)可以绘出如图4所示的抽釆负压P₁与钻孔自燃发火时间Yt关系曲线图。根据图4可知，在18kPa～45kPa间随着抽釆负压的增大钻孔周围煤体越容易发生自燃，抽釆负压为18kPa时，Yt为201天；抽釆负压为45kPa时，钻孔自燃发火时间最短为35天。由于抽釆管路的压力损失导致各个钻孔的抽釆负压不同，各钻孔的自燃发火时间也发生变化。现场钻孔实际的抽釆负压在18kPa～25kPa之间，在钻孔的封孔长度为8m，封孔深度为15m，地温为321.15K条件下，钻孔在126天开始发生自燃现象，如图4所示。

二、封孔长度对钻孔自燃发火时间的影响分析

为分析不同封孔长度Fc对钻孔自燃发火时间Yt的影响，把抽釆负压、封孔深度、地温设为固定值来研究其影响规律。根据模拟分析及现场所做试验确定的封孔参数，设定抽釆负压23kPa，封孔深度为23m，地温为321.15K。把已知条件代入到公式(5)中得出：

Yt＝34.1Fc-129 (7)

根据公式(7)可以绘出图5所示的封孔长度与钻孔自燃发火时间关系曲线图，根据图5可以看出封孔长度与钻孔自燃发火时间呈正线性相关，封孔长度为6m时，Yt为75天，钻孔周围煤体最容易发生自然发火现象；封孔长度为23m时，钻孔为全孔深封孔，钻孔周围煤体自燃发火时间大于500天，钻孔不会发生自然发火现象，如图5所示。

三、封孔深度对钻孔自燃发火时间的影响分析

为分析不同封孔深度对钻孔自燃发火时间的影响，把抽釆负压、封孔长度、地温设为固定值来研究其影响规律。根据模拟分析及现场所做试验确定的封孔参数，设定抽釆负压-23kPa，封孔长度为10m，地温为321.15K。把已知条件代入到公式(5)中得出：

Yt＝25.4145Fs-305 (8)

根据公式(8)可以绘出如图6所示的封孔深度与钻孔自燃发火时间关系曲线图，根据图6可以看出封孔深度与钻孔自燃发火时间呈正线性相关，封孔深度为15m时，Yt为76天，钻孔最容易发生自然发火现象；封孔深度为30m时，钻孔自燃发火时间大于450天，钻孔不易发生自然发火现象，如图6示。

通过上述过程，通过控制变量法对四个影响因素中的三个影响因素进行控制来研究单因素对钻孔自燃发火时间，得到抽釆负压对钻孔自燃发火时间影响变化方程为Yt＝0.228P₁ ²-20.52P₁+496.7，瓦斯抽采自燃发火的时间与抽采压力为2次幂关系，在抽采负压小于45kPa时，抽釆负压的增大钻孔周围煤体越容易发生自燃；封孔长度对钻孔自燃发火时间影响变化方程为Yt＝34.1Fc-129，得到封孔深度与钻孔自燃发火时间呈正线性相关；封孔深度对钻孔自燃发火时间影响变化方程为Yt＝25.4145Fs-305，封孔深度与钻孔自燃发火时间呈正线性相关，封孔深度Fs为15m时，Yt为76天，钻孔最容易发生自然发火现象

综上所述，根据本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测方法，通过获取多个影响因素分别对应的多个水平值，对多个影响因素分别对应的多个水平值进行正交实验，以获取多组数据；对多组数据进行数值模拟，以获取自燃发火时间变量对应每组数据的时间值，根据多组数据以及每组数据对应的时间值，利用最小二乘原理以及逐步回归方法，经过多步回归，确定多个目标标准化变量以及每个目标标准化变量对应的系数，根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定时间预测函数，以根据时间预测函数，对煤层瓦斯抽采钻孔自燃发火时间进行预测，实现了对煤层瓦斯抽采诱发的煤体自燃进行准确预测，进而能够根据预测结果提前做好预防工作，以保障煤层瓦斯抽采过程中的煤矿安全。

为了实现上述实施例，本公开还提出一种煤层瓦斯抽采诱发煤体自燃的预测装置。

图7是根据本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测装置的方框示意图。

如图7所示，本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测装置700，包括：第一获取模块701、第二获取模块702、第三获取模块703、第一确定模块704以及第二确定模块705。

其中，第一获取模块701，用于获取多个影响因素分别对应的多个水平值，其中，影响因素为对煤层瓦斯抽采钻孔自燃发火时间具有影响的因素；

第二获取模块702，用于对多个影响因素分别对应的多个水平值进行正交实验，以获取多组数据，其中，每组数据包括多个影响因素分别对应的一个水平值；

第三获取模块703，用于对多组数据进行数值模拟，以获取自燃发火时间变量对应每组数据的时间值；

第一确定模块704，用于根据多组数据以及每组数据对应的时间值，利用最小二乘原理以及逐步回归方法，经过多步回归，确定多个目标标准化变量以及每个目标标准化变量对应的系数；

第二确定模块705，用于根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定时间预测函数，以根据时间预测函数，对煤层瓦斯抽采钻孔自燃发火时间进行预测。

其中，本公开实施例提供的煤层瓦斯抽采诱发煤体自燃的预测装置，可以执行前述实施例中的煤层瓦斯抽采诱发煤体自燃的预测方法，该装置可以为电子设备，也可以被配置在电子设备中，以实现对煤层瓦斯抽采诱发的煤体自燃进行准确预测。

根据本公开的一个实施例，第一确定模块704，包括：

标准化单元，用于根据多组数据以及每组数据对应的时间值，通过数据标准化转换方法，对多个影响因素以及自燃发火时间变量分别进行标准化，得到多个第一标准化变量；

变换单元，用于利用最小二乘原理，对多个第一标准化变量进行非线性数据变换，得到多个第二标准化变量；

处理单元，用于将多个第一标准化变量以及多个第二标准化变量作为候选标准化变量；

第一确定单元，用于利用逐步回归方法，经过多步回归，对候选标准化变量进行筛选，以得到多个目标标准化变量，并确定每个目标标准化变量对应的系数。

根据本公开的一个实施例，第二确定模块705，包括：

第二确定单元，用于根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定以多个目标标准化变量为变量的原始时间预测函数；

第三确定单元，用于根据数据标准化转换方法，将原始时间预测函数中的多个目标标准化变量还原为多个影响因素以及自燃发火时间变量，以确定时间预测函数。

根据本公开的一个实施例，多个影响因素包括封孔长度、封孔深度、抽采负压和地温。

根据本公开的一个实施例，煤层瓦斯抽采诱发煤体自燃的预测装置700，还包括：

配置模块，用于将时间预测函数中，除目标影响因素之外的其它影响因素配置为固定值；

第三确定模块，用于根据数值为固定值的时间预测函数，确定目标影响因素与自燃发火时间变量之间的函数关系。

需要说明的是，前述对煤层瓦斯抽采诱发煤体自燃的预测方法实施例的解释说明也适用于该实施例的煤层瓦斯抽采诱发煤体自燃的预测装置，此处不再赘述。

根据本公开实施例的煤层瓦斯抽采诱发煤体自燃的预测装置，通过获取多个影响因素分别对应的多个水平值，对多个影响因素分别对应的多个水平值进行正交实验，以获取多组数据；对多组数据进行数值模拟，以获取自燃发火时间变量对应每组数据的时间值，根据多组数据以及每组数据对应的时间值，利用最小二乘原理以及逐步回归方法，经过多步回归，确定多个目标标准化变量以及每个目标标准化变量对应的系数，根据多个目标标准化变量以及每个目标标准化变量对应的系数，确定时间预测函数，以根据时间预测函数，对煤层瓦斯抽采钻孔自燃发火时间进行预测，实现了对煤层瓦斯抽采诱发的煤体自燃进行准确预测，进而能够根据预测结果提前做好预防工作，以保障煤层瓦斯抽采过程中的煤矿安全。

为了实现上述实施例，本公开还提出了一种电子设备，其包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现上述的煤层瓦斯抽采诱发煤体自燃的预测方法。

为了实现上述实施例，本公开还提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面实施例所述的煤层瓦斯抽采诱发煤体自燃的预测方法。

为了实现上述实施例，本公开还提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面实施例所述的煤层瓦斯抽采诱发煤体自燃的预测方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。