目前综采工作面直线度调控采用基于工作面推移行程等传感器数据和人工观测调控相结合的方式，但存在传感器数据和人工调控信息得不到有效利用的问题。针对上述问题，提出了融合传感器数据和人工调控信息的工作面直线度智能预测方法。对支架推移油缸行程、支架立柱压力、采煤机位置等进行数据清洗，并按照正常推溜调控距离和调整推溜调控距离进行分类，构建由工作面正常推溜调控距离矩阵和累计推溜调控距离矩阵组成的工作面直线度分析矩阵；通过特征工程对工作面直线度分析矩阵进行特征提取，生成特征矩阵作为样本，将人工调控距离对应的工况类型作为样本标签；采用机器学习分类算法建立工作面直线度预测模型。实验结果表明，采用随机森林算法搭建的工作面直线度预测模型准确率最高，为91.41%。将该模型应用于高河煤矿2312工作面，结果表明，在运行30 d、115次割煤循环的工作面直线度预测过程中，该模型预测准确率达81.4%。

0 引言
1 工作面直线度智能预测
1.1 数据清洗
1.2 工作面直线度分析矩阵
1.3 特征工程
1.4 模型决策
2 实验分析
2.1 样本制作
2.2 模型评估
3 应用验证
3.1 部署架构
3.2 应用结果
4 结论

孙岩,付翔,王然风,等.融合传感器数据和人工调控信息的工作面直线度智能预测[J/OL].工矿自动化,1-7[2024-12-05].https://doi.org/10.13272/j.issn.1671-251x.2024070106.