DOI: 10.11799/ce202412018
基于深度学习的煤巷掘进工作面瓦斯涌出量预测研究
李鹏1
辛诗雨2
闫凡壮2
周爱桃2
1.国能神东煤炭集团有限责任公司,陕西 榆林 7193152.中国矿业大学(北京) 应急管理与安全工程学院,北京 100083
摘要：研究煤巷掘进工作面瓦斯涌出量,对于煤巷掘进工作面瓦斯防治具有重要意义.利用深度学习理论与长短期记忆神经网络高效处理时间序列样本的特性,建立基于LSTM神经网络的煤巷掘进工作面瓦斯涌出量预测模型,依据训练过程中损失值的大小对模型超参数进行优化,选择并确定模型的最优超参数,借助煤巷掘进工作面瓦斯涌出量原始数据,验证模型的适用性和准确性,并根据预测结果分析工作面瓦斯涌出量在时间维度上的变化趋势.研究结果对预测煤巷掘进工作面瓦斯涌出变化趋势、判别工作面瓦斯异常涌出、提升掘进工作面瓦斯治理水平具有参考意义.
关键词：瓦斯涌出量煤巷掘进工作面深度学习LSTM神经网络预测模型
分类号：TD712(矿山安全与劳动保护)
资助基金：国家自然科学基金(52130409)国家自然科学基金(52121003)
论文发表日期：2024-12-20
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：10( 115-124 )
英文信息