基于LSTM的瓦斯浓度预测与防突预警系统设计

TD712.5; 为了对瓦斯超限和煤与瓦斯突出事故进行提前预警,建立了数据预处理、瓦斯浓度预测模型,研发了具有三级判识标准和流程的预警系统.通过基于LSTM算法的瓦斯浓度数据训练解决深度学习中的梯度消失与梯度爆炸,通过瓦斯特征分析反映瓦斯浓度时空相关性,通过研究样本时长、预测时长与预测精度之间的关系得出最优预测方法.结果表明:当子样本时间长度为 1.0 h时,5 min的超前预测精度最高,符合1％的评判标准;当子样本的时间长度为1.5 h时,超前预测10 min和 15 min的精度最高且符合评判标准;当子样本时间长度为 2.0 h时,需要超前预测 20 min才符合标准.瓦斯浓度预测分析与防...

Full description

Saved in:
Bibliographic Details
Published in矿业安全与环保 Vol. 50; no. 2; pp. 64 - 70
Main Authors 兰海平, 张志刚, 徐再刚, 田祥贵, 张少超
Format Journal Article
LanguageChinese
Published 贵州盘江煤电集团有限责任公司,贵州 贵阳 550002%中煤科工集团重庆研究院有限公司,重庆 400039%贵州盘江煤电集团技术研究院有限公司,贵州 贵阳 550002 01.04.2023
Subjects
瓦斯浓度预测
预测精度
记忆神经网络
防突预警
数据训练
Online AccessGet full text
ISSN1008-4495
DOI10.19835/j.issn.1008-4495.2023.02.011

Cover

More Information
Summary:TD712.5; 为了对瓦斯超限和煤与瓦斯突出事故进行提前预警,建立了数据预处理、瓦斯浓度预测模型,研发了具有三级判识标准和流程的预警系统.通过基于LSTM算法的瓦斯浓度数据训练解决深度学习中的梯度消失与梯度爆炸,通过瓦斯特征分析反映瓦斯浓度时空相关性,通过研究样本时长、预测时长与预测精度之间的关系得出最优预测方法.结果表明:当子样本时间长度为 1.0 h时,5 min的超前预测精度最高,符合1％的评判标准;当子样本的时间长度为1.5 h时,超前预测10 min和 15 min的精度最高且符合评判标准;当子样本时间长度为 2.0 h时,需要超前预测 20 min才符合标准.瓦斯浓度预测分析与防突预警系统能够反映煤巷掘进过程中瓦斯浓度的变化规律并进行瓦斯浓度预测和实时防突预警,为安全高效的瓦斯防治工作提供技术支撑.
ISSN:1008-4495
DOI:10.19835/j.issn.1008-4495.2023.02.011