-
作者
兰海平张志刚徐再刚田祥贵张少超
-
单位
贵州盘江煤电集团有限责任公司中煤科工集团重庆研究院有限公司贵州盘江煤电集团技术研究院有限公司
-
摘要
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。
-
关键词
瓦斯浓度预测防突预警记忆神经网络预测精度数据训练
-
基金项目(Foundation)
贵州省科技重大专项(黔科合重大专项字[2021]3001)；贵州省中央引导地方科技发展资金项目(黔科中引地[2021]4005)；
-
文章目录
1 总体思路
2 瓦斯浓度预测方法
2.1 预测原理
2.2 瓦斯特性分析
2.3 数据预处理
2.4 瓦斯浓度预测模型
2.5 瓦斯浓度预测
3 瓦斯浓度三级预警方法
3.1 三级预警方法概述
3.2 瓦斯浓度三级预警流程
4 瓦斯浓度预测预警系统设计
4.1 瓦斯浓度预测预警系统架构和工作流程
4.2 瓦斯浓度预测预警系统管理系统功能设计
5 结论
-
引用格式
兰海平,张志刚,徐再刚,田祥贵,张少超.基于LSTM的瓦斯浓度预测与防突预警系统设计[J].矿业安全与环保,2023,50(02):64-70.DOI:10.19835/j.issn.1008-4495.2023.02.011.
-
相关专题
矿业安全与环保 
2023年第02期 
