申请/专利权人：中国矿业大学

申请日：2024-01-31

公开（公告）日：2024-05-10

公开（公告）号：CN118013879A

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06N3/0442;G06Q50/02;G01N33/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种采空区气体异常涌入工作面的监测控制方法，先获取地面大气压、井下大气压、邻近采空区气压、地面温度、井下温度、邻近采空区温度、回风氧气浓度数据，并建立氧气浓度LSTM神经网络预测模型，以上述参数作为模型训练输入数据集，模型输出变量为工作面氧气浓度；对模型进行训练，使得模型获取上述参数与工作面氧气浓度之间的对应关系；后续监测时，仅需定期采集各个参数的实时数据输入模型后，则模型能输出工作面的O2浓度预测值，同时将工作面的O2浓度进行分级，根据预测值对应等级，确定相应的处理措施，最终能提前预测综采面即将发生低氧的情况，从而及时采取相应措施，防止综采面发生低氧，保证综采面的氧气浓度持续正常。

主权项：1.一种采空区气体异常涌入工作面的监测控制方法，其特征在于，具体步骤为：A、采集原始数据：在一段时间内，每隔时间t采集一次数据，每次采集的数据包括地面大气压P1,t、井下大气压P2,t、邻近采空区气压P3,t、地面温度T1,t、井下温度T2,t、邻近采空区温度T3,t、回风氧气浓度C′O2,t％和工作面氧气浓度CO2,t；B、建立训练数据集：将步骤A每次采集数据中的{P1,tP2,t,P3,t,T1,t,T2,t,T3,t,C′O2,t,CO2,t-1}作为模型训练输入数据集，模型输出变量为工作面氧气浓度CO2,t；其中CO2,t-1为上一采集时刻的工作面氧气浓度；C、建立氧气浓度LSTM神经网络预测模型：建立氧气浓度LSTM神经网络预测模型，并将步骤B建立的训练数据集输入预测模型进行训练，使模型对模型训练输入数据集中各个参数与模型输出变量建立对应关系，从而完成氧气浓度LSTM神经网络预测模型的训练；D、采用模型进行工作面氧气浓度预测：结合当日天气预报给出的当日每小时矿井地面温度和地面大气压的值，并通过矿井内的传感器获取实时的井下大气压、邻近采空区气压、井下温度、邻近采空区温度和回风氧气浓度，并将上述数据输入步骤C建立的氧气浓度LSTM神经网络预测模型，模型进行分析后输出对工作面的O2浓度预测值；E、措施处理及预警：设定阈值，对工作面的O2浓度进行分级；将步骤D每次输出的工作面的O2浓度预测值与阈值比较，从而获取每次预测值所处的等级，最后根据等级对矿井采取对应措施，并确定是否进行预警；F、更新预测模型：每月重复一次步骤A至C，从而对氧气浓度LSTM神经网络预测模型进行更新，实现对工作面氧气浓度的持续精准监测。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种采空区气体异常涌入工作面的监测控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD