文献类型：期刊文章

作　　者：兰海平[1] 张志刚[2] 徐再刚[1] 田祥贵[3] 张少超[3]

LAN Haiping;ZHANG Zhigang;XU Zaigang;TIAN Xianggui;ZHANG Shaochao(Guizhou Panjiang Coal and Electricity Group Co.,Ltd.,Guiyang 550002,China;CCTEG Chongqing Research Institute,Chongqing 400039,China;Guizhou Panjiang Coal Power Group Technology Research Institute Co.,Ltd.,Guiyang 550002,China)

机构地区：[1]贵州盘江煤电集团有限责任公司,贵州贵阳550002 [2]中煤科工集团重庆研究院有限公司,重庆400039 [3]贵州盘江煤电集团技术研究院有限公司,贵州贵阳550002

出　　处：《矿业安全与环保》

基　　金：贵州省科技重大专项(黔科合重大专项字[2021]3001);贵州省中央引导地方科技发展资金项目(黔科中引地[2021]4005)。

年　　份：2023

卷　　号：50

期　　号：2

起止页码：64-70

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了对瓦斯超限和煤与瓦斯突出事故进行提前预警,建立了数据预处理、瓦斯浓度预测模型,研发了具有三级判识标准和流程的预警系统。通过基于LSTM算法的瓦斯浓度数据训练解决深度学习中的梯度消失与梯度爆炸,通过瓦斯特征分析反映瓦斯浓度时空相关性,通过研究样本时长、预测时长与预测精度之间的关系得出最优预测方法。结果表明:当子样本时间长度为1.0 h时,5 min的超前预测精度最高,符合1%的评判标准;当子样本的时间长度为1.5 h时,超前预测10 min和15 min的精度最高且符合评判标准;当子样本时间长度为2.0 h时,需要超前预测20 min才符合标准。瓦斯浓度预测分析与防突预警系统能够反映煤巷掘进过程中瓦斯浓度的变化规律并进行瓦斯浓度预测和实时防突预警,为安全高效的瓦斯防治工作提供技术支撑。

关 键 词：瓦斯浓度预测  防突预警  记忆神经网络  预测精度  数据训练  

分 类 号：TD712.5]