基于POD与机器学习的综掘工作面流场快速预测算法
金兵
张浪
李伟
郑义
刘彦青
张逸斌
煤炭科学技术研究院有限公司,北京 100013;煤科通安(北京)智控科技有限公司,北京 100013;北京市煤矿安全工程技术研究中心,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013
摘要：针对综掘工作面降尘措施难以合理利用的问题,提出了一种基于本征正交分解(POD)与机器学习的综掘工作面流场快速预测算法.利用计算流体力学(CFD)技术对多种工况下的综掘工作面风流场和粉尘浓度场进行模拟,获得高维度流场数据;利用POD对高维度流场数据进行降维,提取能够反映流场主要特性的核心模态,得到流场工况的基函数模态与模态系数;通过机器学习方法预测不同工况下占总能量达到 90%以上的模态系数,从而对未知工况的模态系数进行预测,利用预测的模态系数与基函数模态进行重构,得到未知工况的风流场数据或粉尘浓度场.研究结果表明:综掘工作面数值模拟模型的相对误差在 3%以内,能够准确反映实际的风流和粉尘分布状况;风流场选择前 5阶模态,粉尘浓度场选择前 7阶模态,即可兼顾POD重构精度与效率;支持向量机(SVM)模型对模态系数的预测能力优于随机森林及神经网络模型,针对 60种不同工况,基于POD和SVM预测的风流速度、粉尘浓度与数值模拟结果之间的相对误差分别为 0.36 m/s,86.24 mg/m3,风流场及粉尘浓度场平均预测耗时为73 s,实现了对矿井综掘工作面风流场和粉尘浓度场的高精度快速预测.
关键词：综掘工作面粉尘防治风流场预测粉尘浓度场预测本征正交分解机器学习支持向量机
分类号：TD714.4(矿山安全与劳动保护)
资助基金：国家重点研发计划(2023YFC3009001-8)天地科技科技创新专项重点项目(2024-TD-ZD011-01)煤科院技术创新基金(2021CX-II-15)
论文发表日期：2024-10-10
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：9( 97-104,119 )
英文信息