基于时序优化长短期记忆网络的采空区环境多参数预测
张鹏宇1
马砺1
石新慧2
王少荣2
李昭2
1.西安科技大学安全科学与工程学院,陕西西安 7100542.鄂尔多斯市转龙湾煤炭有限公司,内蒙古鄂尔多斯 017205
摘要：采空区煤自燃和有害气体涌出会影响矿井安全生产,采空区环境预测对隐患识别有重要意义.本文通过对采空区环境特征数据采集分析,确定了采空区绝对压力、环境温度、O2浓度和CO浓度等环境参数的变化规律,利用皮尔逊相关系数计算环境特征参数的相关性.采用经验模态分解法(EMD)对环境特征序列进行自适应时频分解,利用核主成分分析法(KPCA)将分解后的数据映射到高维特征空间,建立了基于时序优化的长短期记忆神经网络(LSTM)采空区环境多参数预测模型,并对某煤矿五采区采空区环境参数进行预测.结果表明:采空区环境参数演化具有多尺度、非平稳的时序特性,EMD分解揭示了参数序列在不同时间尺度上的本征特征;O2浓度波动与绝对压力变化表现出明显的相关性,CO浓度和温度序列则呈现出较强的非线性和突变特征;基于KPCA的降维处理保留了 98.12％的数据信息量,显著降低了特征冗余.时序优化后的LSTM模型在预测性能上取得显著提升,相比优化前的模型,优化后模型的预测精度大幅提高,具有较高的泛化能力和鲁棒性,挖掘关联环境参数序列间的耦合关系,提高了采空区环境参数预测的精度.
关键词：煤自燃大面积采空区时间序列特征提取深度学习
分类号：TD752(矿山安全与劳动保护)
资助基金：国家自然科学基金(52174206)
论文发表日期：2025-05-30
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：14( 653-666 )
英文信息