基于物联网的地下矿井空气质量智能预测
发布时间：2021-11-19 20:07
为了提高安全性,全世界都在寻求实施无线传感器网络（WSNs）来监测复杂的、动态的和环境恶劣的地下煤矿。文中引入了一种可靠的物联网（IoT）空气质量监测系统,该系统由传感器模块、通信协议和基站组成。基于STM32的传感器模块具有八个不同的参数,安装在可操作的地下煤矿的不同位置。基于感知数据,该系统用煤矿环境指数（MEI）对地下煤矿矿井空气质量进行评价。采用主成分分析法确定了CH4、CO、SO2和H2S是影响矿井空气质量最主要的气体。将主成分分析的结果输入到RNN神经网络模型中,实现了MEI的预测。结果表明,基于主成分分析的神经网络在MEI预测中具有较好的性能,主成分分析+RNN预测模型的性能指标R2和RMSE值分别为0.489 0和0.120 4,提高了线性回归模型对矿井大气污染物的预测精度。因此,提出的基于STM32和Tensorflow平台的人工神经网络可以快速评估和预测矿井空气质量,提高矿井环境安全性。
【文章来源】：计算机技术与发展. 2020,30(08)
【文章页数】：5 页
【部分图文】：
煤矿环境指数(MEI)的多层感知循环神经网络的网络架构
该系统专为地下矿井空气质量监测和评估而设计。系统基本架构如图1所示。主要框架包括数据采集、数据传输、空气质量评价与预测的数据处理。传感节点单元连接到基于STM32处理器的传感器模块,传感器节点捕获空气质量数据,并通过LoRa无线技术将数据通过基站传输到服务器分析处理数据,Tensorflow作为神经网络平台进行矿井空气质量预测。传感器节点:传感器的基本功能是测量矿井环境中的空气参数。传感器节点由传感器模块、微控制器和无线发射机组成。选择合适的传感器来监测矿井环境是一个相对复杂的问题,它需要综合考虑测量范围、精度和灵敏度等因素。DHT11是一款有已校准数字信号输出的温湿度传感器。其精度湿度+-5%RH,温度+-2℃,量程湿度20%～90%RH,温度0℃～50℃。通常情况下,煤矿的工作温度在15℃到45℃之间变化,湿度在DTH11的特定范围内。这些电位使得DTH11非常适合在地下煤矿中使用。地下煤矿中常见的气体有CH4,CO2,CO,NO2,H2S和SO2。文中利用MQ-4、MQ-9、MQ-811、MQ-136和MiCS-2714传感器模块来监测各种气体的浓度。其中,大部分传感器模块为金属氧化物(SnO2),对挥发性气体分子反应良好;因此,它们对于气体监测更加可靠和有效。此外,传感器模块,无论是用于气体监测还是用于温度测量,都是经济有效、低功耗、稳定的。文中以内嵌LoRaWAN的STM32单片机为基础,用MQ-4、MQ-9、MQ-811、MQ-136、MiCS-2714和DHT11传感器模块来监测煤矿中常见的气体CH4,CO2,CO,NO2,H2S和SO2以及温湿度。
【参考文献】：
期刊论文
[1]基于主成分分析与BP神经网络的矿井涌水量预测研究[J]. 张宪峰,魏久传,张延飞,吴霞,李孝朋. 煤炭技术. 2018(06)
[2]基于物联网的农业墒情监测系统的设计与实现[J]. 金文,姚凯学. 计算机应用与软件. 2018(03)
[3]基于物联网的煤矿移动安全监控系统设计[J]. 李隘优. 闽西职业技术学院学报. 2017(04)
[4]基于循环卷积神经网络的目标检测与分类[J]. 艾玲梅,叶雪娜. 计算机技术与发展. 2018(02)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[7]水力冲孔煤层瓦斯分区排放的形成机理研究[J]. 王新新,石必明,穆朝民. 煤炭学报. 2012(03)
硕士论文
[1]基于Tensorflow的循环神经网络模型在上海市空气质量预测中的应用[D]. 刘蕾.上海师范大学 2019
[2]基于深度学习的雾霾预测方法研究[D]. 宋利红.电子科技大学 2018
[3]面向高维数据的PCA-Hub聚类方法研究[D]. 郎江涛.重庆大学 2017
[4]基于Android的健康监测应用研究与实现[D]. 段豪.电子科技大学 2017
本文编号：3505769
【文章来源】：计算机技术与发展. 2020,30(08)
【文章页数】：5 页
【部分图文】：
煤矿环境指数(MEI)的多层感知循环神经网络的网络架构
该系统专为地下矿井空气质量监测和评估而设计。系统基本架构如图1所示。主要框架包括数据采集、数据传输、空气质量评价与预测的数据处理。传感节点单元连接到基于STM32处理器的传感器模块,传感器节点捕获空气质量数据,并通过LoRa无线技术将数据通过基站传输到服务器分析处理数据,Tensorflow作为神经网络平台进行矿井空气质量预测。传感器节点:传感器的基本功能是测量矿井环境中的空气参数。传感器节点由传感器模块、微控制器和无线发射机组成。选择合适的传感器来监测矿井环境是一个相对复杂的问题,它需要综合考虑测量范围、精度和灵敏度等因素。DHT11是一款有已校准数字信号输出的温湿度传感器。其精度湿度+-5%RH,温度+-2℃,量程湿度20%～90%RH,温度0℃～50℃。通常情况下,煤矿的工作温度在15℃到45℃之间变化,湿度在DTH11的特定范围内。这些电位使得DTH11非常适合在地下煤矿中使用。地下煤矿中常见的气体有CH4,CO2,CO,NO2,H2S和SO2。文中利用MQ-4、MQ-9、MQ-811、MQ-136和MiCS-2714传感器模块来监测各种气体的浓度。其中,大部分传感器模块为金属氧化物(SnO2),对挥发性气体分子反应良好;因此,它们对于气体监测更加可靠和有效。此外,传感器模块,无论是用于气体监测还是用于温度测量,都是经济有效、低功耗、稳定的。文中以内嵌LoRaWAN的STM32单片机为基础,用MQ-4、MQ-9、MQ-811、MQ-136、MiCS-2714和DHT11传感器模块来监测煤矿中常见的气体CH4,CO2,CO,NO2,H2S和SO2以及温湿度。
【参考文献】：
期刊论文
[1]基于主成分分析与BP神经网络的矿井涌水量预测研究[J]. 张宪峰,魏久传,张延飞,吴霞,李孝朋. 煤炭技术. 2018(06)
[2]基于物联网的农业墒情监测系统的设计与实现[J]. 金文,姚凯学. 计算机应用与软件. 2018(03)
[3]基于物联网的煤矿移动安全监控系统设计[J]. 李隘优. 闽西职业技术学院学报. 2017(04)
[4]基于循环卷积神经网络的目标检测与分类[J]. 艾玲梅,叶雪娜. 计算机技术与发展. 2018(02)
[5]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[6]中国交通工程学术研究综述·2016[J]. 马建,孙守增,芮海田,马勇,王磊,刘辉,张伟伟,陈红燕,陈磊. 中国公路学报. 2016(06)
[7]水力冲孔煤层瓦斯分区排放的形成机理研究[J]. 王新新,石必明,穆朝民. 煤炭学报. 2012(03)
硕士论文
[1]基于Tensorflow的循环神经网络模型在上海市空气质量预测中的应用[D]. 刘蕾.上海师范大学 2019
[2]基于深度学习的雾霾预测方法研究[D]. 宋利红.电子科技大学 2018
[3]面向高维数据的PCA-Hub聚类方法研究[D]. 郎江涛.重庆大学 2017
[4]基于Android的健康监测应用研究与实现[D]. 段豪.电子科技大学 2017
本文编号：3505769
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3505769.html
