基于CNN的煤岩瓦斯复合动力灾害预测

TD713; 随着我国煤矿开采逐渐进入深部区域,煤岩瓦斯复合动力灾害日益严重,对煤矿的安全生产造成极大威胁.基于某矿现场数据,采用智能预测手段对煤岩瓦斯复合动力灾害进行研究.首先,依据大数据处理流程,应用箱型图分析法(Box-plot)与多重插补法(MI)进行数据清洗,结合灰色关联度分析法(GRA)建立煤岩瓦斯复合动力灾害指标体系;然后应用主成分分析法(PCA)进行数据降维,结合深度学习中的卷积神经网络(CNN)建立基于BMGP-CNN的煤岩瓦斯复合动力灾害预测模型;运用现场案例数据将此模型与BP 模型、随机森林(RF)模型、支持向量机(SVM)模型及人工神经网络(ANN)模型进行对比验证,发...

Full description

Saved in:
Bibliographic Details
Published in矿业科学学报 Vol. 8; no. 5; pp. 613 - 622
Main Authors 王凯, 李康楠, 杜锋, 张翔, 王衍海, 周家旭
Format Journal Article
LanguageChinese
Published 中国矿业大学(北京)应急管理与安全工程学院,北京 100083%中国矿业大学(北京)应急管理与安全工程学院,北京 100083 01.10.2023
中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083
Subjects
deep learning
煤岩瓦斯复合动力灾害
prediction model
coal-gas compound dynamic disaster
深度学习
预测模型
指标体系
big data
大数据
index system
Online AccessGet full text
ISSN2096-2193
DOI10.19606/j.cnki.jmst.2023.05.003

Cover

Abstract TD713; 随着我国煤矿开采逐渐进入深部区域,煤岩瓦斯复合动力灾害日益严重,对煤矿的安全生产造成极大威胁.基于某矿现场数据,采用智能预测手段对煤岩瓦斯复合动力灾害进行研究.首先,依据大数据处理流程,应用箱型图分析法(Box-plot)与多重插补法(MI)进行数据清洗,结合灰色关联度分析法(GRA)建立煤岩瓦斯复合动力灾害指标体系;然后应用主成分分析法(PCA)进行数据降维,结合深度学习中的卷积神经网络(CNN)建立基于BMGP-CNN的煤岩瓦斯复合动力灾害预测模型;运用现场案例数据将此模型与BP 模型、随机森林(RF)模型、支持向量机(SVM)模型及人工神经网络(ANN)模型进行对比验证,发现BMGP-CNN模型预测结果的准确率最高,且该模型的收敛速度较快,能够在数秒内完成预测.研究结果对于煤岩瓦斯复合动力灾害的预测和防控具有重要意义.
AbstractList TD713; 随着我国煤矿开采逐渐进入深部区域,煤岩瓦斯复合动力灾害日益严重,对煤矿的安全生产造成极大威胁.基于某矿现场数据,采用智能预测手段对煤岩瓦斯复合动力灾害进行研究.首先,依据大数据处理流程,应用箱型图分析法(Box-plot)与多重插补法(MI)进行数据清洗,结合灰色关联度分析法(GRA)建立煤岩瓦斯复合动力灾害指标体系;然后应用主成分分析法(PCA)进行数据降维,结合深度学习中的卷积神经网络(CNN)建立基于BMGP-CNN的煤岩瓦斯复合动力灾害预测模型;运用现场案例数据将此模型与BP 模型、随机森林(RF)模型、支持向量机(SVM)模型及人工神经网络(ANN)模型进行对比验证,发现BMGP-CNN模型预测结果的准确率最高,且该模型的收敛速度较快,能够在数秒内完成预测.研究结果对于煤岩瓦斯复合动力灾害的预测和防控具有重要意义.
Author 李康楠
张翔
杜锋
王凯
王衍海
周家旭
AuthorAffiliation 中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 100083%中国矿业大学(北京)应急管理与安全工程学院,北京 100083
AuthorAffiliation_xml – name: 中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083;中国矿业大学(北京)应急管理与安全工程学院,北京 100083%中国矿业大学(北京)应急管理与安全工程学院,北京 100083
Author_FL Wang Yanhai
Zhou Jiaxu
Wang Kai
Du Feng
Li Kangnan
Zhang Xiang
Author_FL_xml – sequence: 1
  fullname: Wang Kai
– sequence: 2
  fullname: Li Kangnan
– sequence: 3
  fullname: Du Feng
– sequence: 4
  fullname: Zhang Xiang
– sequence: 5
  fullname: Wang Yanhai
– sequence: 6
  fullname: Zhou Jiaxu
Author_xml – sequence: 1
  fullname: 王凯
– sequence: 2
  fullname: 李康楠
– sequence: 3
  fullname: 杜锋
– sequence: 4
  fullname: 张翔
– sequence: 5
  fullname: 王衍海
– sequence: 6
  fullname: 周家旭
BookMark eNotjz9LAzEchjNUsNZ-Bzeni_kll-QyyuE_KO2ic0nTi_ROU_AU6yhUkIoiCA51EKSILgqKSwc_jenht_BEp3d7n-dZQBXXdwlCS0AwKEHESoqNy3o43c8PMSWUYcIxIayCqpQoEVBQbB7V87zXIRyYDKWIqoj4--nX9CpuNovxsDib-Lfn4uZxdvvqJ5f--tyPnvzorjj99C_v3w_D2cfFIpqzei9P6v9bQzvra9vxZtBobWzFq40gh5IdlErQBWYiwSUzUlNFaMQsT6JEGs60AM1DG0KiOBiwXBnZpZEQVgClgipWQ8t_v8faWe1222n_6MCVxHZ2kg0Gnd9Cwss-9gPgRFgq
ClassificationCodes TD713
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.19606/j.cnki.jmst.2023.05.003
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
DocumentTitle_FL Prediction of coal-gas compound dynamic disaster based on convolutional neural network
EndPage 622
ExternalDocumentID kykxxb202305003
GrantInformation_xml – fundername: (国家自然科学基金); (国家自然科学基金)
  funderid: (国家自然科学基金); (国家自然科学基金)
GroupedDBID -0B
-SB
-S~
2B.
2RA
4A8
5VR
92I
92M
93N
9D9
9DB
AAITT
AFUIB
ALMA_UNASSIGNED_HOLDINGS
CAJEB
CQIGP
GROUPED_DOAJ
PB1
PB9
PSX
Q--
R-B
RT2
T8R
TCJ
U1F
U5B
ID FETCH-LOGICAL-s1023-1961d13c86573c7a290283f5e8e7c53a61a54f41e951c1f59c7d2866f61226293
ISSN 2096-2193
IngestDate Thu May 29 04:07:01 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 5
Keywords deep learning
煤岩瓦斯复合动力灾害
prediction model
coal-gas compound dynamic disaster
深度学习
预测模型
指标体系
big data
大数据
index system
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1023-1961d13c86573c7a290283f5e8e7c53a61a54f41e951c1f59c7d2866f61226293
PageCount 10
ParticipantIDs wanfang_journals_kykxxb202305003
PublicationCentury 2000
PublicationDate 2023-10-01
PublicationDateYYYYMMDD 2023-10-01
PublicationDate_xml – month: 10
  year: 2023
  text: 2023-10-01
  day: 01
PublicationDecade 2020
PublicationTitle 矿业科学学报
PublicationYear 2023
Publisher 中国矿业大学(北京)应急管理与安全工程学院,北京 100083%中国矿业大学(北京)应急管理与安全工程学院,北京 100083
中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083
Publisher_xml – name: 中国矿业大学(北京)应急管理与安全工程学院,北京 100083%中国矿业大学(北京)应急管理与安全工程学院,北京 100083
– name: 中国矿业大学(北京)共伴生能源精准开采北京市重点实验室,北京 100083
SSID ssib051374768
ssib043749106
ssj0002857281
ssib029826694
ssib041261948
ssib036434758
Score 2.3700683
Snippet TD713; 随着我国煤矿开采逐渐进入深部区域,煤岩瓦斯复合动力灾害日益严重,对煤矿的安全生产造成极大威胁.基于某矿现场数据,采用智能预测手段对煤岩瓦斯复合动力灾害进行研...
SourceID wanfang
SourceType Aggregation Database
StartPage 613
Title 基于CNN的煤岩瓦斯复合动力灾害预测
URI https://d.wanfangdata.com.cn/periodical/kykxxb202305003
Volume 8
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
journalDatabaseRights – providerCode: PRVAON
  databaseName: DOAJ Directory of Open Access Journals
  issn: 2096-2193
  databaseCode: DOA
  dateStart: 20160101
  customDbUrl:
  isFulltext: true
  dateEnd: 99991231
  titleUrlDefault: https://www.doaj.org/
  omitProxy: true
  ssIdentifier: ssj0002857281
  providerName: Directory of Open Access Journals
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMw3R1NaxQxdCj14kUUFb_pwZxk6ySZZJJjZnaWIthTC72V3cyM2uIKtoXam1BBKoogeNCDIEX0oqB46cFf43TxX_jyJrsztBU_jl5CSF5e3sdOXl72vSQIroa61LkVOXxIediJeJF3lIJiUPKcstI9C-mSk2_Oy7nF6MaSWJqatq2opY31wazdOjKv5F-0Cm2gV5cl-xeanSCFBqiDfqEEDUP5RzommSC6RxJDssiVKkvn50kWEw31yFWUICZyYAkjRmMXJ0aSTBItiem5LgBQXUQVEqVcRRlixhWdIB5KkgyBM5JwkmliGE4hSQJgSXuPi7MAVT2kSjlioMVAI0UMXSRgUpE4nRhrHmfLACXOD-N6TQ8Q3XWdjh9Dkti1GEAUHgDRqaNQR2PCsAfGpADq8ANp9ZvH4_MO1kTO1b9QT7qp5ZKQpHsUVyg7YGzCDKullhIde5WYlDDtCdYoLxU6mp1EMmIoogW5S49WjaWscJTTH-IEZv0o5WXjxQd8ojJYenjqaxQ3v4SJ_4qfxngxcI07YA1529Kq1oIiWlZT1unIfgMm60T1Q7bd-dpo3O1w9c7syt01FwrNOF68G_JmPzOJMl19sLq5OXAwocAbgY-xWErWOncBo8M0ONit5G8OW_QobkIFIurOGJozg4jHkW6FJggKDWOffQVPq0XM8HHkiQx8BKFj4PovyMecwWHZH95qbW8XTgYnvF86Y-pF5lQwtXX7dBBWb_a-7z2DRWX0anv0aLf6_GH04t3-y0_V7tPq-eNq532183r08Fv18cuPt9v7X5-cCRZ72UI61_FPrHTWKH5bWtKccqukiLmN-8xd5sRLUagitoL3Je2LqIxoAY6YpaXQNs6ZkrIEx4hJcBXOBtPDe8PiXDATClWw0hYDZvvuz3gdD3JtbS4Yl-Dk5eeDGc_hsl9C15YPaOjC70EuBsebReFSML1-f6O4DG7B-uAKqvUnI1S4RA
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8ECNN%E7%9A%84%E7%85%A4%E5%B2%A9%E7%93%A6%E6%96%AF%E5%A4%8D%E5%90%88%E5%8A%A8%E5%8A%9B%E7%81%BE%E5%AE%B3%E9%A2%84%E6%B5%8B&rft.jtitle=%E7%9F%BF%E4%B8%9A%E7%A7%91%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E7%8E%8B%E5%87%AF&rft.au=%E6%9D%8E%E5%BA%B7%E6%A5%A0&rft.au=%E6%9D%9C%E9%94%8B&rft.au=%E5%BC%A0%E7%BF%94&rft.date=2023-10-01&rft.pub=%E4%B8%AD%E5%9B%BD%E7%9F%BF%E4%B8%9A%E5%A4%A7%E5%AD%A6%28%E5%8C%97%E4%BA%AC%29%E5%BA%94%E6%80%A5%E7%AE%A1%E7%90%86%E4%B8%8E%E5%AE%89%E5%85%A8%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%8C%97%E4%BA%AC+100083%25%E4%B8%AD%E5%9B%BD%E7%9F%BF%E4%B8%9A%E5%A4%A7%E5%AD%A6%28%E5%8C%97%E4%BA%AC%29%E5%BA%94%E6%80%A5%E7%AE%A1%E7%90%86%E4%B8%8E%E5%AE%89%E5%85%A8%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%8C%97%E4%BA%AC+100083&rft.issn=2096-2193&rft.volume=8&rft.issue=5&rft.spage=613&rft.epage=622&rft_id=info:doi/10.19606%2Fj.cnki.jmst.2023.05.003&rft.externalDocID=kykxxb202305003
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fkykxxb%2Fkykxxb.jpg