[智能抽采] 基于深度学习的采空区卸压瓦斯抽采智能评价方法研究

作者

宋爽

毕业学校

西安科技大学

摘要

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编码对抽采计量数据进行预处理、降低数据维度、构造数据时间窗,并按8:1:1的比例划分数据集,构建了四层LSTM评价指标体系预测模型。通过调整时间步长、损失函数和优化函数等参数提高了模型的准确率和鲁棒性,对比其他预测模型算法,LSTM模型能够解决梯度消失问题并具有更快的收敛速度和更高的准确率。

(3)针对采空区卸压瓦斯抽采评价智能等级划分问题,采用拉格朗日插值法和平均值修正法对抽采计量数据进行数据预处理。采用支持向量机的浅层机器学习评价方法和基于卷积神经网络的深度学习评价方法,构建了采空区卸压瓦斯抽采智能评价模型。相比于浅层神经网络的支持向量机分类模型,卷积神经网络分类模型凭借深层神经网络优越的学习能力,更适合采空区卸压瓦斯抽采智能评价且准确率更高。

(4)为实现采空区卸压瓦斯抽采高效智能评价及可视化显示,设计了采空区卸压瓦斯抽采智能评价系统前端界面和后台数据结构,并在云平台上进行算法集成、模型封装及抽采评价与智能调控系统的开发部署,解决了系统开发过程中数据查询和缓存的关键问题,为采空区卸压瓦斯的精准抽采提供软件模型及技术支持。

(5)针对采空区卸压瓦斯抽采评价效果问题,结合试验矿井高位钻孔瓦斯抽采试验数据,分析了采空区卸压瓦斯抽采效果,对瓦斯抽采评价等级进行划分。根据评价结果提出钻孔封孔质量和调整抽采负压等调控建议措施,实现采空区卸压瓦斯抽采监测、效果评价和智能调控一体化流程,从而保证卸压瓦斯的精准高效抽采。基于以上研究成果进行了现场试验验证,形成了一种准确高效的采空区卸压瓦斯抽采智能评价方法,为采空区卸压瓦斯抽采效果评价提供了有力依据。


瓦斯智能抽采专题

智能抽采思路:通过抽采监控信号的采集,分析抽采系统所处的状态,预判所要发生的事故,采取相应措施,减少事故发生率降低损失,同时根据抽采浓度、抽采流量、抽采负压等参数,判断抽采的经济性和合理性,由此实现抽采系统的智能化,达到安全、经济、高效抽采。—— 王春光

相关文件下载地址
*该资源需回复评论后下载,马上去发表评论?
©下载资源版权归作者所有;本站所有资源均来源于网络,仅供学习使用,请支持正版!
默认图片
bossliu
清醒 专注 努力
文章: 499

一条评论

  1. 精读文献

留下评论

Captcha Code

[智能抽采] 基于深度学习的采空区卸压瓦斯抽采智能评价方法研究