基于深度学习的采空区卸压瓦斯抽采智能评价方法研究

发布时间：2024-02-03 00:21

　　采空区卸压瓦斯抽采是矿井瓦斯治理的主要手段。安全高效的瓦斯抽采效果评价对于矿井瓦斯精准抽采有着至关重要的作用,采空区卸压瓦斯抽采的智能评价对采空区卸压瓦斯抽采工程具有重要的指导意义。本文通过工程资料收集、理论分析、模型搭建与训练、原型系统设计开发及现场试验等方法,提出了采空区卸压瓦斯抽采评价指标体系,构建了基于LSTM(Long Short Term Memory长短期记忆网络)的采空区卸压瓦斯抽采评价指标预测模型,形成了采空区卸压瓦斯抽采智能评价方法,开发了采空区卸压瓦斯抽采评价系统。论文主要研究工作如下:(1)在采空区卸压瓦斯抽采原理及技术综合分析的基础上,对钻孔因素、风流瓦斯浓度因素、抽采浓度因素等关键影响因素分析,考虑各个指标间相互耦合作用及对采空区卸压瓦斯抽采综合评价的影响,基于层次分析法和关系矩阵法选取了瓦斯抽采浓度、抽采流量、风流瓦斯浓度等采空区卸压瓦斯抽采评价指标,利用模糊综合评价建立指标满意度模型,提出了采空区卸压瓦斯抽采评价指标体系,对采空区卸压瓦斯抽采效果进行等级评价。(2)针对采空区卸压瓦斯抽采评价指标预测精度问题,对矿井瓦斯抽采计量数据采用One-hot编码对...

【文章页数】：150 页

【学位级别】：博士

【部分图文】：

图1.7ST-PSO-SVR算法整体模型图

1绪论对煤与瓦斯突出的危险性进行了预测评价。选取瓦斯放散初速度、开采深度、瓦斯压力、煤的坚固性系数等关键预测指标作为评价煤与瓦斯突出的关键指标，建立了煤与瓦斯突出预测的神经网络模型。付华[148-150]提出经改进的粒子群算法（MPSO）优化的加权最小二乘支持向量机（WLS-S....

图1.8邻接点和时间维度预测精度对比

1绪论对煤与瓦斯突出的危险性进行了预测评价。选取瓦斯放散初速度、开采深度、瓦斯压力、煤的坚固性系数等关键预测指标作为评价煤与瓦斯突出的关键指标，建立了煤与瓦斯突出预测的神经网络模型。付华[148-150]提出经改进的粒子群算法（MPSO）优化的加权最小二乘支持向量机（WLS-S....

图3.11batch为512时Loss与Acc变化图像

2'1111nniiiiiMAEEYYnn平均绝对误差，iE为第i个实际值与预测值得绝对误个预测值。由于预测误差有正有负，为避免正负相抵，其平均值。调优时间步长）代表了LSTM能够利用的序列长度，是数量较大时可适当减小batchsize....

图3.12batch为256时Loss变化图像

ze为128、256、512的性能。使用建立的LSTM模次batch大小为512，损失函数为MSE。训练的损STM模型，设置的训练轮数epochs为64，批次b练的损失值与准确率如图3.12所示。

本文编号：3893390