煤矿安全风险智能分级管控与信息预警系统
王道元1
王俊2
孟志斌2
张雪峰2
李敬兆1
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.晋能控股集团有限公司,山西 大同 037003
摘要：煤矿安全风险预警是煤炭开采过程中实现安全保障的关键一环,在记录矿井下安全隐患数据时,采集相关的数据容易受到外界环境因素(如光线、温度、湿度等)和人为因素的影响,导致划分安全风险等级出现误差,从而使得安全隐患得不到有效处理.为解决煤矿等相关企业存在的安全风险等级划分不精确的问题,研究了一种基于改进基于粒子群算法(PSO)和卷积神经网络(CNN)的煤矿安全风险智能分级管控与信息预警系统.该系统采用基于改进P SO的智能数据筛选模型,利用P SO算法查找全局最优解的特性,筛选掉不合理的数据,减少了人工计算数据不准确或采集矿区信息过程中出现纰漏的问题;采用基于改进的CNN的智能风险分级模型,通过对数据特征的采集、融合处理,实现了高精确划分安全风险等级.实验室训练与应用结果表明:该系统对安全风险数值的查全率为85.6％,查准率为91.7％,较其他系统查全率提升了4.2％,查准率提升了2.8％,大幅提升了安全风险等级划分的精确度,对出现的安全隐患及时预警效果显著.此方法有效减少了安全隐患发生的频率.
关键词：煤矿安全风险智能分级风险预警粒子群算法卷积神经网络
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51874010)国家自然科学基金(61170060)技术带头人学术科研活动资助项目(2015D046)
论文发表日期：2021-10-25
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( 136-144 )
英文信息