基于机器学习的多气体指标煤自燃温度预测
曹富荣1
吴学松1
李军1
付天予2
刘佳伟2
李志辉2
杨小彬2
1.华亭煤业公司,甘肃 华亭 7441052.中国矿业大学(北京) 应急管理与安全工程学院,北京 100086
摘要：采空区煤自燃是诱发矿井火灾的主要因素之一,在矿井火灾中的占比高达 90%.为实现采空区自燃的精准防治,需要准确获得采空区内部的高温点温度,以砚北煤矿为工程背景,分析其煤样氧化升温过程中产生的指标气体,建立煤自燃温度预测的指标体系,进而开展基于深度学习的多指标气体煤自燃温度预测研究.首先对砚北煤矿采集的煤样进行煤氧化升温实验,根据实验结果划分为单一气体指标与复合气体指标,分析各指标随温度上升的变化规律,进而确定合适的指标作为煤自燃温度预测指标;使用多源数据处理方法对煤自燃温度预测指标进行处理,应用库克距离法和多重插补法对数据进行清洗,并结合灰色关联度分析法建立煤自燃温度预测指标体系;使用Elman神经网络构建预测模型,确定模型结构与超参数后,进而建立煤自燃温度预测模型,获得煤氧化升温过程中温度的准确预测.
关键词：多气体指标Elman神经网络多源数据处理预测模型煤自燃温度预测
分类号：TD75+2.2(矿山安全与劳动保护)
论文发表日期：2024-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 106-113 )
英文信息