申请/专利权人：西安科技大学

申请日：2024-03-17

公开（公告）日：2024-06-14

公开（公告）号：CN118191233A

主分类号：G01N33/00

分类号：G01N33/00;G06Q10/04;G06Q50/02;G06N3/0442;G06N3/049;G06N3/048;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明公开了一种煤自燃危险性预测用采空区CO浓度预测方法，包括步骤：一、获取综放工作面不同距离的采空区气体体积分数数据，并划分为训练集、验证集和测试集；二、对训练集、验证集和测试集数据进行数据分布检验和数据归一化的预处理；三、构建基于RNN神经网络的煤自燃CO预测模型；四、构建基于LSTM长短期记忆网络的煤自燃CO预测模型；五、构建基于GRU门控循环单元的煤自燃CO预测模型；六、分别对三种煤自燃CO预测模型进行评估，对比预测精度；七、实时采集采空区的CO气体体积分数数据，并选用三种煤自燃CO预测模型的一种或多种，对采空区CO浓度进行预测。本发明实现了CO体积分数连续动态趋势预测，预测精度更高。

主权项：1.一种煤自燃危险性预测用采空区CO浓度预测方法，其特征在于，该方法包括以下步骤：步骤一、获取综放工作面不同距离的采空区的CO、O2、CO2、CH4和C2H6气体体积分数数据，并将多组数据划分为训练集数据、验证集数据和测试集数据；步骤二、对训练集数据、验证集数据和测试集数据均进行数据分布检验和数据归一化的预处理；步骤三、构建基于RNN神经网络的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于RNN神经网络的煤自燃CO预测模型，得到训练好的基于RNN神经网络的煤自燃CO预测模型；其中，L为测量点与工作面之间的距离；步骤四、构建基于LSTM长短期记忆网络的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于LSTM长短期记忆网络的煤自燃CO预测模型，得到训练好的基于LSTM长短期记忆网络的煤自燃CO预测模型；步骤五、构建基于GRU门控循环单元的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于GRU门控循环单元的煤自燃CO预测模型，得到训练好的基于GRU门控循环单元的煤自燃CO预测模型；步骤六、分别对基于RNN神经网络的煤自燃CO预测模型、基于LSTM长短期记忆网络的煤自燃CO预测模型和基于GRU门控循环单元的煤自燃CO预测模型进行评估，对比三种煤自燃CO预测模型的预测精度；步骤七、实时采集采空区的CO气体体积分数数据，并选用基于RNN神经网络的煤自燃CO预测模型、基于LSTM长短期记忆网络的煤自燃CO预测模型和基于GRU门控循环单元的煤自燃CO预测模型三种煤自燃CO预测模型的一种或多种预测模块，对采空区CO浓度进行预测。

全文数据：

权利要求：

百度查询： 西安科技大学 一种煤自燃危险性预测用采空区CO浓度预测方法

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