基于循环神经网络的瓦斯灾害预测预警研究
发布时间：2021-10-11 14:19
煤炭是我国经济发展的重要基础能源,在促进国民经济稳健发展的同时,由于前期的经济发展粗犷,能源开采方式落后,在能源开采过程容易引发瓦斯灾害,对煤矿生产与矿工们的生命安全造成了严重的威胁。因此,为了避免瓦斯灾害的发生,做到提前预防处理,煤矿瓦斯灾害预测技术成为煤矿安全领域的研究重点。但是,由于现有的瓦斯灾害预测技术存在预测时间短和预测精度低等问题,不能很好的满足实际煤矿灾害的预测需求。针对瓦斯灾害预测精度如何提高等问题,论文对煤矿瓦斯灾害预测方法展开深入研究,主要研究内容如下:（1）针对煤矿数据来源众多,格式复杂等问题,基于信息融合感知技术,提出了熵值加权数据融合算法,利用该算法将工作面上的瓦斯浓度数据、回风口处的瓦斯浓度数据和上隅角的瓦斯浓度数据进行熵值加权融合。通过传统循环神经网络模型分别对融合前和融合后的数据进行预测,并计算输入数据与输出数据的均方误差。经过实验对比分析得出,熵值加权融合后的数据进行预测相比于未经过融合的数据进行预测在训练集上其预测精度提高了 39.59%,在测试集上预测精度提高了36.16%。（2）针对传统预测方法在瓦斯灾害预测中精度有待提高的问题,构建了基于适应性...
【文章来源】：西安科技大学陕西省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
熵值加权融合原理图
2煤矿瓦斯监测数据预处理方法研究13记录着2015年至2017年每天不同位置不同类型传感器的监测数据，数据的采集频率为五分钟。论文中选取了2016年4月份的工作面瓦斯浓度、回风口瓦斯浓度和上隅角瓦斯浓度数据进行算法验证。2.4.2实验步骤基于熵值加权的数据融合算法的实验步骤如下：（1）获取瓦斯监测数据；（2）用拉伊达准则对数据进行异常值监测；（3）采用移动平均法对异常值进行处理；（4）计算数据的缺失率，若缺失率大于80%，则删除该传感器数据；（5）采用拉格朗日插值法对传感器中的缺失值进行处理；（6）将处理后的数据进行归一化；（7）计算每个数据所占整个数据集的比重与熵值；（8）通过熵值计算各个指标的差异系数；（9）计算数据权重；（10）根据权重对处理后的数据进行加权求和获得融合后的数据。（11）基于传统的循环神经网络模型分别对融合前的数据与融合后的数据作预测；（12）计算输入数据和输出数据的均方误差，并对误差结果进行对比分析。2.4.3实验的结果与分析在实验结果展示部分首先展示数据预处理的整个过程，本节主要对工作面、回风口和上隅角三个点位置上的瓦斯浓度数据样本集进行展示与分析。在工作面瓦斯浓度数据中利用拉伊达准则判断出共有60条异常数据，采用移动平均法对其进行处理。图2.2是工作面上的瓦斯浓度的原始数据，图2.3是经过移动平均法对工作面异常值处理后的数据。图2.2工作面上的原始瓦斯浓度
西安科技大学硕士学位论文14图2.3工作面处理完异常值后的瓦斯浓度在回风口处的瓦斯浓度数据利用拉伊达准则判断出共有39条异常数据，图2.4是回风口的瓦斯浓度的原始数据，图2.5是经过移动平均法对回风口异常值处理后的数据。图2.4回风口处的原始瓦斯浓度图2.5回风口处理完异常值后的瓦斯浓度在上隅角处的瓦斯浓度数据利用拉伊达准则判断出共有44条异常数据，图2.6是上隅角的瓦斯浓度的原始数据，图2.7是经过移动平均法对上隅角异常值处理后的数据。图2.6上隅角处的原始瓦斯浓度
【参考文献】：
期刊论文
[1]煤矿综采工作面瓦斯浓度预测模型[J]. 李欢,贾佳,杨秀宇,宋春儒. 工矿自动化. 2018(12)
[2]深部煤层瓦斯含量的差值GM-RBF预测模型及其应用[J]. 周鑫隆,章光,吕辰,黄辉. 安全与环境学报. 2017(06)
[3]基于分位数自回归的路基沉降数据预测分析[J]. 王江荣,赵睿,任泰明,袁维红. 地理空间信息. 2017(06)
[4]基于改进BP神经网络的矿井瓦斯浓度预测算法[J]. 姚青华,邱本花. 煤炭技术. 2017(05)
[5]二次指数平滑预测模型回归系数计算方法探讨[J]. 陈武,张山江,侯春华,陈尘,曾李晨. 统计与决策. 2016(19)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]基于自适应惯性权重的均值粒子群优化算法[J]. 赵志刚,林玉娇,尹兆远. 计算机工程与科学. 2016(03)
[8]基于MA模型的移动Ad Hoc网络路径长度预测[J]. 蔡暐,李俊峰. 内蒙古师范大学学报(自然科学汉文版). 2015(04)
[9]主动配电网运行模式对微电网可靠性的影响评估[J]. 孙鸣,骆燕,谭佳楠. 电力建设. 2015(01)
[10]煤与瓦斯突出预测的随机森林模型[J]. 温廷新,张波,邵良杉. 计算机工程与应用. 2014(10)
博士论文
[1]基于安全监控系统实测数据的瓦斯浓度预测预警研究[D]. 董丁稳.西安科技大学 2012
[2]煤矿瓦斯灾害特征提取与信息融合技术研究[D]. 付华.辽宁工程技术大学 2006
硕士论文
[1]大数据背景下的时序数据分析[D]. 杨云丽.中国科学技术大学 2018
本文编号：3430680
【文章来源】：西安科技大学陕西省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
熵值加权融合原理图
2煤矿瓦斯监测数据预处理方法研究13记录着2015年至2017年每天不同位置不同类型传感器的监测数据，数据的采集频率为五分钟。论文中选取了2016年4月份的工作面瓦斯浓度、回风口瓦斯浓度和上隅角瓦斯浓度数据进行算法验证。2.4.2实验步骤基于熵值加权的数据融合算法的实验步骤如下：（1）获取瓦斯监测数据；（2）用拉伊达准则对数据进行异常值监测；（3）采用移动平均法对异常值进行处理；（4）计算数据的缺失率，若缺失率大于80%，则删除该传感器数据；（5）采用拉格朗日插值法对传感器中的缺失值进行处理；（6）将处理后的数据进行归一化；（7）计算每个数据所占整个数据集的比重与熵值；（8）通过熵值计算各个指标的差异系数；（9）计算数据权重；（10）根据权重对处理后的数据进行加权求和获得融合后的数据。（11）基于传统的循环神经网络模型分别对融合前的数据与融合后的数据作预测；（12）计算输入数据和输出数据的均方误差，并对误差结果进行对比分析。2.4.3实验的结果与分析在实验结果展示部分首先展示数据预处理的整个过程，本节主要对工作面、回风口和上隅角三个点位置上的瓦斯浓度数据样本集进行展示与分析。在工作面瓦斯浓度数据中利用拉伊达准则判断出共有60条异常数据，采用移动平均法对其进行处理。图2.2是工作面上的瓦斯浓度的原始数据，图2.3是经过移动平均法对工作面异常值处理后的数据。图2.2工作面上的原始瓦斯浓度
西安科技大学硕士学位论文14图2.3工作面处理完异常值后的瓦斯浓度在回风口处的瓦斯浓度数据利用拉伊达准则判断出共有39条异常数据，图2.4是回风口的瓦斯浓度的原始数据，图2.5是经过移动平均法对回风口异常值处理后的数据。图2.4回风口处的原始瓦斯浓度图2.5回风口处理完异常值后的瓦斯浓度在上隅角处的瓦斯浓度数据利用拉伊达准则判断出共有44条异常数据，图2.6是上隅角的瓦斯浓度的原始数据，图2.7是经过移动平均法对上隅角异常值处理后的数据。图2.6上隅角处的原始瓦斯浓度
【参考文献】：
期刊论文
[1]煤矿综采工作面瓦斯浓度预测模型[J]. 李欢,贾佳,杨秀宇,宋春儒. 工矿自动化. 2018(12)
[2]深部煤层瓦斯含量的差值GM-RBF预测模型及其应用[J]. 周鑫隆,章光,吕辰,黄辉. 安全与环境学报. 2017(06)
[3]基于分位数自回归的路基沉降数据预测分析[J]. 王江荣,赵睿,任泰明,袁维红. 地理空间信息. 2017(06)
[4]基于改进BP神经网络的矿井瓦斯浓度预测算法[J]. 姚青华,邱本花. 煤炭技术. 2017(05)
[5]二次指数平滑预测模型回归系数计算方法探讨[J]. 陈武,张山江,侯春华,陈尘,曾李晨. 统计与决策. 2016(19)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[7]基于自适应惯性权重的均值粒子群优化算法[J]. 赵志刚,林玉娇,尹兆远. 计算机工程与科学. 2016(03)
[8]基于MA模型的移动Ad Hoc网络路径长度预测[J]. 蔡暐,李俊峰. 内蒙古师范大学学报(自然科学汉文版). 2015(04)
[9]主动配电网运行模式对微电网可靠性的影响评估[J]. 孙鸣,骆燕,谭佳楠. 电力建设. 2015(01)
[10]煤与瓦斯突出预测的随机森林模型[J]. 温廷新,张波,邵良杉. 计算机工程与应用. 2014(10)
博士论文
[1]基于安全监控系统实测数据的瓦斯浓度预测预警研究[D]. 董丁稳.西安科技大学 2012
[2]煤矿瓦斯灾害特征提取与信息融合技术研究[D]. 付华.辽宁工程技术大学 2006
硕士论文
[1]大数据背景下的时序数据分析[D]. 杨云丽.中国科学技术大学 2018
本文编号：3430680
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3430680.html
