• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
煤岩瓦斯动力灾害风险智能判识与融合预测
  • 作者

    罗卫东杨乘胡金春袁荣方赵喜宇

  • 单位

    贵州能源产业研究院有限公司贵州林东煤业发展有限责任公司龙凤煤矿

  • 摘要
    煤岩瓦斯动力灾害对矿井安全生产造成了极大威胁,由于诱发因素众多,其内在的致灾机理难以被有效探明。为实现煤岩瓦斯动力灾害风险的智能识别与预测,建立了基于CNN的煤岩瓦斯动力灾害风险智能判识与融合预测模型。模型中采用Box-plot与MI方法进行数据清洗,并利用GRA方法建立包含10个风险因素在内的煤岩瓦斯动力灾害的指标体系,通过PCA方法对数据进行降维处理后,输入至CNN模型中进行融合与预测。通过与ANN、BP、RF、SVM模型的对比分析表明,基于CNN的煤岩瓦斯动力灾害风险智能判识与融合预测模型具有更高的准确性,同时此模型的收敛速度更快,验证了此模型在实际工程中具有更可靠的工程价值。
  • 关键词

    煤岩瓦斯动力灾害卷积神经网络预测模型风险识别深度学习

  • 基金项目(Foundation)
    国家重点研发课题(2019YFC1805505);中央引导地方科技发展资金项目(黔科中引地[2022]4024);2021年度贵州省科技支撑计划项目(黔科合支撑[2021]一般515);
  • 文章目录
    1 灾害智能判识与融合预测模型的建立流程
    1.1 模型建立流程
    (1)建立预测指标体系。
    (2)建立预测模型。
    1.2 方法原理
    1.2.1 Box-plot方法
    1.2.2 MI方法
    1.2.3 GRA方法
    1.2.4 PCA方法
    1.2.5 CNN方法
    2 灾害预测指标体系的建立
    2.1 数据获取与转换
    2.2 基于Box-plot与MI的数据清洗
    2.3 基于GRA的数据分析
    3 灾害预测模型的建立
    3.1 基于PCA的数据优化输入
    3.2 基于CNN的预测模型参数的优化与确定
    3.2.1 卷积层参数优化
    3.2.2 激活函数与池化层参数优化
    3.2.3 训练参数的确定
    4 模型可靠性分析
    5 结论
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联