CN114170780B - 一种矿井采空区煤自燃可视化动态监测预警系统 - Google Patents

Abstract

本发明涉及一种矿井采空区煤自燃可视化动态监测预警系统及方法，包括采空区煤自燃特征信息的数据采集单元、数据传输单元、数据处理单元、图像成形单元、智能预警单元；无线传感器在采空区内部构建点阵式无线传感器网络，采集采空区内部环境温度和煤自燃特征气体的动态信息，并建立实时可视化动态温度场和气体渗流场；本方案利用多种煤自燃特征气体及温度之间的耦合机理评判煤自燃危险等级，降低凭借单一煤自燃特征变量预警方法的误报率，实现采空区煤自燃实时可视化动态监测和智能预警，提高采空区煤自燃监测的及时性、可靠性和预警精确度。

Description

一种矿井采空区煤自燃可视化动态监测预警系统

技术领域

本发明涉及煤自燃安全监测与防控技术领域，具体涉及一种矿井采空区煤自燃可视化动态监测预警系统及方法。

背景技术

煤炭资源是我国重要的能源，是保障国民经济持续较快发展的重要支撑，其安全开采对国民经济的可持续发展具有重要意义。煤炭在开采过程中会伴随着多种原生和次生灾害，其中由煤自燃引发的矿井火灾、瓦斯燃烧与爆炸灾害是造成煤矿人员伤亡和巨大经济损失的最主要原因。煤自燃火灾具有发现难，发展迅猛，灭火和救护困难等特点。一旦发生，蔓延速度快、波及范围广、次生灾害多、人身财产损失巨大。因此，煤自燃灾害的有效防控，对于保障煤矿安全生产具有重要的意义。

当前，煤自燃监测预报的方法主要有气体分析法和测温法，其中，以基于光纤测温和束管监测的煤自燃监测系统应用最为广泛，是煤自燃早期预测预报的有效手段。但由于束管监测技术与光纤测温技术具有干扰大、成本高、安装困难、指标参数单一，容易出现误判等缺点，导致难以满足现代集约化、常规化矿井生产的需求。另外，现在大部分煤炭企业的采空区煤自燃监测系统在地面监测终端上进行的综合分析能力还不够完善，火灾危险判识预警方法大都采用临界值法对火灾危险情况进行判定，没有充分考虑煤自燃特征气体浓度及环境温度之间内在耦合机理的影响，难以实现动态监测和智能预警的目的。

发明内容

针对上述问题，本发明提出一种矿井采空区煤自燃可视化动态监测预警系统及方法的技术方案，本方案利用多种煤自燃特征气体及温度之间的耦合机理评判煤自燃危险等级，降低凭借单一煤自燃特征变量预警方法的误报率，实现采空区煤自燃实时可视化动态监测和智能预警，提高采空区煤自燃监测的及时性、可靠性和预警精确度。

本发明提供如下技术方案：一种矿井采空区煤自燃可视化动态监测预警系统，包括采空区煤自燃特征信息的数据采集单元、数据传输单元、数据处理单元、图像成形单元、智能预警单元；无线传感器在采空区内部构建点阵式无线传感器网络，采集采空区内部环境温度和煤自燃特征气体的动态信息。

基于深度学习和图像处理技术构建采空区实时可视化动态温度场和气体渗流场，基于多源数据融合构建煤自燃火灾危险评价模型，根据采空区可视化动态温度场和气体渗流场的动态变化结合煤自燃火灾危险评价模型确定预警等级。

所述数据采集单元由布置在采空区内部的点阵式无线传感器网络进行环境温度和煤自燃特征气体采集；所述数据传输单元包括无线自组网络、监测分站、交换机和地面终端，数据传输单元将数据采集单元采集的采空区环境温度和煤自燃特征气体信息经无线传输至监测分站，再经交换机将数据传输至地面监测终端；所述数据处理单元基于深度学习和多源数据融合理论，在地面监测终端对采空区环境温度和煤自燃特征气体信息进行综合处理；所述图像成形单元根据图像处理技术建立实时可视化的动态温度场和气体渗流场；所述智能预警单元根据可视化动态图像中的异常点进行精准定位和智能巡检，并结合煤自燃火灾危险评价模型确定预警等级。

煤矿井下采空区无线传感器网络采用点阵式无线传感器网络, 该点阵式无线传感器网络可根据煤自燃区域的实际情况，采用分布式算法构建有容错能力的无线网络拓扑结构，实现采空区区域监测的有效覆盖。

传感器采用无线传感器，在传感器外包裹凝胶，传感器通过凝胶粘附固定在煤壁上，传感器监测煤矿井下采空区内部的环境温度和煤自燃特征气体。无线传感器采用无线凝胶传感器，凝胶传感器以高强度自粘附有机凝胶为基底材料，内置无线传输装置，通过电信号转化芯片与外表面涂覆的气体感应层相连，气体感应层感应到外部气体变化时会给电信号转化芯片信号，电信号转化芯片将信号通过无线传输装置传出，其中的气体感应层、电信号转化芯片、无线传输装置均可采用现有技术中的材料和芯片。

基于点阵式传感器网络节点在采空区的布置方位，无线传感器对采空区环境温度的精确采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图，可视化动态温度场基于分布式传感器网络和图像处理技术建立。

基于深度学习对无线传感器采集的煤自燃特征气体数据进行处理，并预测气体浓度的变化趋势，利用图像处理技术将煤自燃特征气体数据与趋势转化成可视化的煤自燃特征气体动态渗流场。

无线传感器网络加入事件触发机制，动态调整传感器节点的信息传输次数，延长无线传感器使用时间，对可视化动态温度场云图和煤自燃特征气体动态渗流场中的异常变化点处进行精准定位和巡检，当任意节点处图像发生异常变化时，系统唤醒该节点处周围邻居传感器进行特征信息的全面采集，并传回数据终端进行智能分析。

基于多源数据融合揭示的煤自燃特征气体及温度之间的耦合机理，构建煤自燃火灾危险评价模型，降低凭借单一煤自燃特征变量预警方法的误报率，提高采空区煤自燃监测的及时性、可靠性和预警精确度；采空区煤自燃监测采用分级预警机制，各级预警等级的主要评判依据是图像颜色变化程度，确定各级预警等级的主要评判依据是图像的颜色变化程度，图像颜色变化分为4种红、橙、黄、绿，颜色越深表示煤自燃危险程度越高，将安全情况下动态温度场和气体渗流场的颜色定为绿色；当动态图像中出现黄色区域时，启动一级预警机制；出现橙色区域时，启动二级预警机制；出现红色时，启动三级预警机制。

一种矿井采空区煤自燃可视化动态监测预警方法，包括如下步骤，S1、在煤矿井下采空区布置点阵式无线传感器网络, 该点阵式无线传感器网络采用分布式算法构建有容错能力的网络拓扑结构，并实现采空区区域监测的有效覆盖；S2、对煤矿井下采空区环境温度和煤自燃特征气体进行数据采集，该点阵式无线传感器网络中所用的传感器采用复合型无线凝胶传感器，可同时监测煤矿井下采空区内部的环境温度和煤自燃特征气体;S3、利用分布式传感器网络和图像处理技术建立可视化动态温度场，基于点阵式传感器网络节点在采空区的布置方位，无线传感器对采空区环境温度的精确采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图;S4、基于深度学习和图像处理技术建立可视化煤自燃特征气体动态渗流场，基于深度学习对无线凝胶传感器采集的煤自燃特征气体数据进行处理，并预测气体浓度的变化趋势，利用图像处理技术将该数据与趋势转化成可视化的煤自燃特征气体动态渗流场；S5、对可视化动态图像中的异常点进行定位和智能巡检，当任意节点处图像发生异常变化时，唤醒该节点处周围邻居传感器，进行特征信息的全面采集，并传回数据终端进行分析；S6、基于多源数据融合构建煤自燃火灾危险评价模型，根据多源数据融合揭示的煤自燃特征气体及温度之间的耦合机理，构建煤自燃火灾危险评价模型；S7、根据煤自燃特征气体浓度及环境温度之间的内在耦合机理构建的动态温度场和气体渗流场进行综合分析，确定火情位置，评判煤自燃危险等级。

在步骤S4中井下采空区内煤自燃特征气体浓度都是实时变化的，且矿井下的风向、风力也是不稳定的，导致无线传感器采集的数据是实时变化的，因此，基于深度学习，在一定间隔时间范围内对所采集信息进行综合处理，预估气体浓度的变化趋势，使煤自燃采空区各项特征气体浓度更为直观的查看和预估其变化趋势，再结合图像处理技术建立可视化煤自燃特征气体动态渗流场云图，实时显现煤自燃特征气体的变化情况。

在步骤S5中无线传感器网络节点采用事件触发机制，动态调整传感器节点的信息传输次数，延长无线传感器使用时间，但当动态温度场和气体渗流场渗流云图中发生变化时，系统立即进行区域定位，并立即唤醒该节点周围邻居传感器，进行信息的全面采集，综合分析处理，做出必要的响应。

通过上述描述可以看出，本发明的优点：1.本发明利用无线传感器在煤矿采空区内构建点阵式无线传感器网络，根据传感器精准定位功能，结合深度学习理论和图像处理技术实现采空区内部温度场和气体渗流场的实时可视化动态变化云图，根据云图颜色变化确定预警等级，使煤自燃监测更加及时有效，满足现代煤矿安全生产、集约化生产建设的需求。2.本发明基于多源数据融合对煤自燃特征气体浓度及环境温度间的内在耦合机理构建动态温度场和气体渗流场，深度分析多种煤自燃特征气体及温度间的关联特性，降低凭借单一煤自燃特征变量预警方法的误报率，提高采空区煤自燃监测的及时性、可靠性和预警精确度。3.本发明对上述温度场和气体渗流场实时可视化动态云图的颜色变化程度建立三级预警机制，能够对煤自燃火情发展情况进行实时监测和智能预警，并预估煤火演化趋势，提高预警精确度和防控的及时性。

本方案中根据煤自燃特征气体浓度及环境温度间的内在耦合机理构建的动态温度场和气体渗流场进行综合分析，评判煤自燃危险等级，降低凭借单一煤自燃特征变量预警方法的误报率，提高煤自燃的及时性、可靠性和预警精确度。

附图说明

图1是本发明的系统框图。

图2是本发明系统中的实时可视化动态温度场分布云图。

图3是本发明系统中的两个无线传感器节点周围的温度场分布云图。

图4是本发明系统中的实时可视化动态气体渗流场分布云图。

具体实施方式

下面将结合本发明具体实施方式中的附图，对本发明具体实施方式中的技术方案进行清楚、完整地描述，显然，所描述的具体实施方式仅仅是本发明一种具体实施方式，而不是全部的具体实施方式。基于本发明中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；

通过附图1可以看出，本发明的矿井采空区煤自燃可视化动态监测预警系统，包括采空区煤自燃特征信息的数据采集单元、数据传输单元、数据处理单元、图像成形单元、智能预警单元；无线传感器在采空区内部构建点阵式无线传感器网络，采集采空区内部环境温度和煤自燃特征气体的动态信息；基于深度学习和图像处理技术构建采空区可视化动态温度场和气体渗流场，基于多源数据融合构建煤自燃火灾危险评价模型，根据“两场”的动态变化结合煤自燃火灾危险评价模型确定预警等级。

所述数据采集单元由布置在采空区内部的点阵式无线传感器网络进行环境温度和煤自燃特征气体采集；所述数据传输单元由无线自组网络、监测分站、交换机和地面终端等组成，将数据采集单元采集的采空区环境温度和煤自燃特征气体信息经无线传输至监测分站，后传至交换机，再经交换机将数据传输至地面监测终端；所述数据处理单元基于深度学习和多源数据融合理论，在地面监测终端对采空区环境温度和煤自燃特征气体信息进行综合处理；所述图像成形单元根据图像处理技术建立可视化的动态温度场和气体渗流场；所述智能预警单元根据可视化动态图像中的异常点进行精准定位和智能巡检，并结合煤自燃火灾危险评价模型确定预警等级。

按照如图1中所示的系统结构框图，该系统具体实施方式可按照如下步骤进行：

S1，在煤矿井下采空区布置点阵式无线传感器网络, 该点阵式无线传感器网络采用分布式算法构建有容错能力的网络拓扑结构，并实现采空区区域监测的有效覆盖。

根据传感器的聚集区域来设定传感器节点部署区域，并为每个传感器节点部署区域分配相应支配度，从而构建有容错能力的网络拓扑结构，实现采空区监测区域的有效覆盖。无线传感器网络运行时，有一些传感器节点会由于特殊原因而失效，也会有一些传感器节点因为网络的需要而被添加到网络中，导致网络中的节点数量产生动态变化，网络的拓扑结构也会产生相应的动态变化。因此，需要结合运用备用节点修复算法、网络分区检测和修复算法等方法，进行主动预防和被动修复，保证无线传感器网络的正常运行。

S2，对煤矿井下采空区环境温度和煤自燃特征气体进行数据采集，该点阵式无线传感器网络中所用的传感器采用无线传感器，可同时监测煤矿井下采空区内部的环境温度和煤自燃特征气体。

无线传感器的外部包裹凝胶，又称凝胶传感器，凝胶传感器具有抗拉、压、剪、冲的特殊功能，由于凝胶有精细的分子设计与化学合成，使凝胶传感器具有自愈和性、自粘附性、导电性以及感应灵敏性等优秀特征，凝胶传感器以高强度自粘附有机凝胶为基底材料，内置无线传输装置，通过电信号转化芯片与外表面涂覆的气体感应层相连，并通过凝胶的长期自粘附性固定在煤壁上，可同时监测煤矿井下采空区内部的环境温度和煤自燃特征气体，实现长期、稳定、高效和便捷的监测、传输、预警功能。

S3，利用分布式传感器网络和图像处理技术建立可视化动态温度场，基于点阵式传感器网络节点在采空区的布置方位，无线传感器对采空区环境温度的进行采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图。

无线传感器在采空区内部构建点阵式无线传感器网络，可以实现对采空区环境信息进行精确采集，采集采空区内部环境温度和煤自燃特征气体的动态信息，结合深度学习理论，运用数学模型和图像处理技术将采集的数据进行综合分析处理，转化成可视化的动态温度场云图。

S4，基于深度学习和图像处理技术建立可视化煤自燃特征气体动态渗流场，基于深度学习对无线传感器采集的煤自燃特征气体数据进行处理，并预测气体浓度的变化趋势，利用图像处理技术将该数据与趋势转化成可视化的煤自燃特征气体动态渗流场。

矿井下采空区内煤自燃特征气体浓度都是实时变化的，且矿井下的风向、风力也是不稳定的，导致无线传感器采集的数据是实时变化的。因此，基于深度学习，在一定间隔时间范围内对所采集信息进行综合处理，预估气体浓度的变化趋势，使煤自燃采空区各项特征气体浓度更为直观的查看和预估其变化趋势，再结合图像处理技术建立可视化煤自燃特征气体动态渗流场云图，实时显现煤自燃特征气体的变化情况。

S5，对可视化动态图像中的异常点进行定位和智能巡检，当任意节点处图像发生异常变化时，系统自动唤醒该节点处周围的无线传感器，进行特征信息的全面采集，并传回数据终端进行智能分析。

在无线传感器使用过程中，为了延长无线传感器网络生存期，目前最常见也是最直接的解决方法就是采用节点休眠调度算法，节点在无工作需要时自动进入睡眠状态，并根据业务需要，周期性的唤醒，通过调整节点唤醒/睡眠的占空比使节点能量得到最大的合理化利用。因此，基于上述考虑，本发明对无线传感器网络节点采用事件触发机制，动态调整传感器节点的信息传输次数，延长无线传感器使用时间，但当动态温度场和气体渗流场云图中发生变化时，系统立即进行区域定位，并立即唤醒该节点周围邻居传感器，进行信息的全面采集，综合分析处理，做出必要的响应。

S6，基于多源数据融合构建煤自燃火灾危险评价模型，根据多源数据融合揭示的煤自燃特征气体及温度之间的耦合机理，构建煤自燃火灾危险评价模型。

实际生产时，矿井下采空区内煤自燃特征气体浓度都是实时变化的，不能简单的采用临界值法进行动态监测和智能预警，基于灰色关联分析方法和多源数据融合理论，深度分析多种煤自燃特征气体及温度之间的关联特性，降低凭借单一煤自燃特征变量预警方法的误报率，从而实现采空区煤自燃实时可视化动态监测和智能预警，提高采空区煤自燃监测的及时性、可靠性和预警精确度。

S7，根据煤自燃特征气体浓度及环境温度之间的内在耦合机理构建的动态温度场和气体渗流场进行综合分析，确定火情位置，评判煤自燃危险等级。

基于灰色关联分析方法和多源数据融合理论，深度分析多种煤自燃特征气体及温度之间的关联特性，根据煤自燃特征气体与温度以及煤自燃特征气体之间的内在耦合机理，确定动态温度场和气体渗流场图像的颜色程度，避免凭借直接使用单一煤自燃特征变量阈值的方法，来确定煤自燃的危险程度。各级预警等级的主要评判依据是图像的颜色变化程度，图像颜色变化分为4种颜色：红、橙、黄、绿，颜色越深表示煤自燃危险程度越高，将相对安全情况下动态温度场和气体渗流场的颜色定为绿色；当动态图像中出现黄色区域时，启动一级预警机制；出现橙色区域时，启动二级预警机制；出现红色时，启动三级预警机制；在可视化动态温度场和气体渗流场图像颜色变化处，可以对该位置对应的无线传感器节点的信息进行实时调取查看，并可进行人工辅助验证，进而可进一步通过光纤测温和束管监测系统进行二次监测，确定煤自燃危险等级，避免因系统自身故障导致误报的问题。

图2是本发明系统中的实时可视化动态温度场分布云图。如图所示，根据点阵式传感器网络节点在采空区的布置方位，无线凝胶传感器对采空区环境温度的精确采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图，可以更加容易的监测、察看矿井采空区温度变化情况，预估采空区温度变化趋势，提高预警的灵敏性，通过温度场所示颜色程度变化，也更加容易的寻找温度异常处，提高煤火预警定位的精准性。

图3是本发明系统中的两个无线传感器节点周围的温度场分布云图。如图所示，两个无线传感器节点周围根据温度之间融合关系建立的温度场，从而揭示图2所示的整个采空区根据上述关系构建矿井采空区温度场云图的原理。

图4是本发明系统中的实时可视化动态气体渗流场分布云图。如图所示，根据无线凝胶传感器构建的点阵式传感器网络节点布置方位，和煤自燃特征气体的采信息采集，建立实时可视化动态气体渗流场分布云图，煤自燃特征气体的渗流量通过颜色程度体现，可以更加直观的监测煤自燃特征气体浓度的变化程度，也可以更加直观的察看煤自燃特征气体的渗流方向，从而实现了采空区煤自燃特征气体实时可视化动态监测。

通过上述描述可以看出，本发明通过构建矿井采空区可视化动态温度场和气体渗流场，进行综合分析，利用多种煤自燃特征气体及温度之间的耦合机理，确定动态温度场和气体渗流场的图像颜色程度，从而评判煤自燃危险等级，降低凭借单一煤自燃特征变量预警方法的误报率，提高采空区煤自燃监测的及时性、可靠性和预警精确度，实现采空区煤自燃实时可视化动态监测和智能预警。

尽管已经示出和描述了本发明的具体实施方式，对于本领域的普通技术人员而言，可以理解在不脱离发明的原理和精神的情况下可以对这些具体实施方式进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种矿井采空区煤自燃可视化动态监测预警系统，其特征在于，包括采空区煤自燃特征信息的数据采集单元、数据传输单元、数据处理单元、图像成形单元、智能预警单元；无线传感器在采空区内部构建点阵式无线传感器网络，采集采空区内部环境温度和煤自燃特征气体的动态信息；

所述数据采集单元由布置在采空区内部的点阵式无线传感器网络进行环境温度和煤自燃特征气体采集；所述数据传输单元包括无线自组网络、监测分站、交换机和地面终端，数据传输单元将数据采集单元采集的采空区环境温度和煤自燃特征气体信息经无线传输至监测分站，再经交换机将数据传输至地面监测终端；所述数据处理单元基于深度学习和多源数据融合理论，在地面监测终端对采空区环境温度和煤自燃特征气体信息进行综合处理；所述图像成形单元根据图像处理技术建立实时可视化的动态温度场和气体渗流场；所述智能预警单元根据可视化动态图像中的异常点进行精准定位和智能巡检，并结合煤自燃火灾危险评价模型确定预警等级；

传感器采用无线传感器，在传感器外包裹凝胶，传感器通过凝胶粘附固定在煤壁上，传感器监测煤矿井下采空区内部的环境温度和煤自燃特征气体；

基于点阵式传感器网络节点在采空区的布置方位，无线传感器对采空区环境温度进行采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图；

基于深度学习对无线传感器采集的煤自燃特征气体数据进行处理，并预测气体浓度的变化趋势，利用图像处理技术将煤自燃特征气体数据与趋势转化成可视化的煤自燃特征气体动态渗流场；

对可视化动态温度场云图和煤自燃特征气体动态渗流场中的异常变化点处进行精准定位和巡检，当任意节点处图像发生异常变化时，系统唤醒该节点处周围邻居传感器进行特征信息的全面采集，并传回数据终端进行智能分析。

2.根据权利要求1所述的矿井采空区煤自燃可视化动态监测预警系统，其特征在于，点阵式无线传感器网络采用分布式算法构建有容错能力的无线网络拓扑结构，实现采空区区域监测的有效覆盖。

3.根据权利要求1所述的矿井采空区煤自燃可视化动态监测预警系统，其特征在于，基于多源数据融合揭示的煤自燃特征气体及温度之间的耦合机理，构建煤自燃火灾危险评价模型，降低凭借单一煤自燃特征变量预警方法的误报率，提高采空区煤自燃监测的及时性、可靠性和预警精确度；确定各级预警等级的主要评判依据是图像的颜色变化程度，图像颜色变化分为4种红、橙、黄、绿，颜色越深表示煤自燃危险程度越高，将安全情况下动态温度场和气体渗流场的颜色定为绿色；当动态图像中出现黄色区域时，启动一级预警机制；出现橙色区域时，启动二级预警机制；出现红色时，启动三级预警机制。

4.一种矿井采空区煤自燃可视化动态监测预警方法，其特征在于包括如下步骤，

S1、在煤矿井下采空区布置点阵式无线传感器网络，点阵式无线传感器网络采用分布式算法构建有容错能力的网络拓扑结构，并实现采空区区域监测的有效覆盖；

S2、对煤矿井下采空区环境温度和煤自燃特征气体进行数据采集，点阵式无线传感器网络中所用的传感器采用无线传感器，同时监测煤矿井下采空区内部的环境温度和煤自燃特征气体;

S3、利用分布式传感器网络和图像处理技术建立可视化动态温度场，基于点阵式传感器网络节点在采空区的布置方位，无线传感器对采空区环境温度的精确采集，建立矿井采空区温度场云图，利用图像处理技术将采集的数据转化成可视化的动态温度场云图;

S4、基于深度学习和图像处理技术建立可视化煤自燃特征气体动态渗流场，基于深度学习对无线凝胶传感器采集的煤自燃特征气体数据进行处理，并预测气体浓度的变化趋势，利用图像处理技术将该数据与趋势转化成可视化的煤自燃特征气体动态渗流场；

S5、对可视化动态图像中的异常点进行定位和智能巡检，当任意节点处图像发生异常变化时，唤醒该节点处周围邻居传感器，进行特征信息的全面采集，并传回数据终端进行分析；

S6、基于多源数据融合构建煤自燃火灾危险评价模型，根据多源数据融合揭示的煤自燃特征气体及温度之间的耦合机理，构建煤自燃火灾危险评价模型；

S7、根据煤自燃特征气体浓度及环境温度之间的内在耦合机理构建的动态温度场和气体渗流场进行综合分析，确定火情位置，评判煤自燃危险等级；

所述步骤S4中井下采空区内煤自燃特征气体浓度都是实时变化的，且矿井下的风向、风力也是不稳定的，导致无线传感器采集的数据是实时变化的，需要在一定间隔时间范围内对所采集信息进行综合处理，预估气体浓度的变化趋势，使煤自燃采空区各项特征气体浓度更为直观的查看和预估其变化趋势，再结合图像处理技术建立可视化煤自燃特征气体动态渗流场云图，实时显现煤自燃特征气体的变化情况。

5.根据权利要求4所述的矿井采空区煤自燃可视化动态监测预警方法，其特征在于，所述步骤S5中无线传感器网络节点采用事件触发机制，动态调整传感器节点的信息传输次数，延长无线传感器使用时间，但当动态温度场、气体渗流场云图中发生变化时，系统立即进行区域定位，并立即唤醒该节点周围邻居传感器，进行信息的全面采集，综合分析处理，做出必要的响应。