基于RNN的瓦斯浓度多参数融合预测研究

发布时间：2024-03-30 17:27

　　瓦斯浓度是导致瓦斯灾害的重要因素之一,瓦斯浓度预测是为了保障煤矿安全生产和工作人员的生命安全。因此,有效的预防瓦斯灾害,可减少瓦斯事故的发生和降低事故造成的损失。针对煤矿安全生产的需要,对煤矿采煤工作面瓦瓦斯浓度进行精准预测是非常重要的研究课题。煤矿瓦斯浓度受流量,风速、抽采负压、浓度、温度等多个因素的影响。由于各影响因素之间具有复杂的非线性关系,采用单传感器进行瓦斯浓度预测会导致预测准确率较低,不能有效反应矿井真实环境状况。因此,需要通过多参数融合预测来提高瓦斯浓度预测的精度,进而构建精度更高的多参数瓦斯浓度预测模型。首先基于Lasso回归算法对预处理后的瓦斯浓度时间序列的多个参数进行特征选择,构建瓦斯浓度特征选择算法,并基于网格搜索法选取最优的α值和L1范数,从而确定具有强解释性的工作面瓦斯浓度时间序列特征集合,并对Lasso特征选择前后的瓦斯浓度预测结果进行实验对比,验证了该算法的有效性。其次,以Lasso回归算法特征选择后的瓦斯浓度特征集合为研究对象,构建基于RNN的工作面瓦斯浓度多参数融合预测模型,确定模型的预测方法性能评价指标,并采用网格搜索法对批量大小、神经元个数、学习率...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图1.1煤矿瓦斯事故伤亡比例图

1绪论11绪论1.1研究背景及意义我国是一个煤炭生产和消费大国，煤炭资源在一次能源的生产中占比77%，在一次性能源的消费中占比66%[1-2]。近几年，在煤炭开发过程中，瓦斯事故发生频率在逐年减少，但是在各类事故中，瓦斯事故伤亡率在所有事故伤亡中较高，煤矿瓦斯事故伤亡比例如图1.....

图1.6MTA-RNN模型架构

1绪论91.2.3RNN在时间序列预测的研究现状随着大数据和人工智能的发展，深度学习在处理时间序列问题上具有代表性的RNN（RecurrentNeuralNetwork）在许多方面都取得了很好的成绩，黄婕[50]以RNN和CNN为基础，采用Stacking融合两者，提出了基于RN....

图2.4激活函数可视图

2循环神经网络理论15yt-1ht-1xt-1ytxtwxhwhyutghftwhhwyh图2.3RNN前向传播运行原理图图2.4激活函数可视图隐藏层的输出信息由两部分组成：上一时刻隐藏层的输出信息和当前时刻输入层输出的信息。输入层的输入信息为：1xhthWx(2.1)时刻的隐藏....

图3.1数据展示

西安科技大学全日制工程硕士学位论文24MinstdMaxMinXXXXX(3.4)如图3.1所示，图(a)为原始的瓦斯浓度时间序列数据，各特征之间存在不同的量纲和单位，为提高算法收敛速度、预测精度，采用MinMaxScaler方法处理后的数据如图(b)所示，各特征全部被缩放至[0....

本文编号：3942695