文献类型：期刊文章

作　　者：母建丰[1] 范馨月[1]

MU Jian-feng;FAN Xin-yue(School of Mathematics and Statistics,Guizhou University,Guiyang Guizhou 550025,China)

机构地区：[1]贵州大学数学与统计学院数学系,贵州贵阳550025

出　　处：《计算机仿真》

基　　金：贵州省基础研究计划项目(黔科合基础-ZK[2023]一般038)。

年　　份：2025

卷　　号：42

期　　号：6

起止页码：589-594

语　　种：中文

收录情况：普通刊

摘　　要：瓦斯浓度是关乎整个煤矿安全开采及生产的重要指标,为在煤矿事故前对甲烷浓度异常进行智能预警并有效防止事故发生,建立了基于完备经验模态分解方法、长短时记忆神经网络和多元线性回归的组合模型CLM,对甲烷含量的异常值进行检测研究。CLM模型利用CEEMDAN将甲烷进风口含量T1分解为多个本征模态函数及残差项,计算能量熵以区分高频和低频IMF,然后将其分别与LSTM模型和多元线性回归模型MLR进行融合建模,得出的MLR预测值误差经过LSTM修正,实现高低频IMF重构得出预测结果。基于3σ原则的异常值检测系统进行异常信息判别。结果表明,CLM模型精准度达到94%以上,CLM模型能够为煤矿事故中的关键潜在影响因素甲烷浓度异常预判提供理论方法。

关 键 词：甲烷含量  异常值检测  预判方法  

分 类 号：TP391.9]