基于CNN的煤岩瓦斯复合动力灾害预测

摘要：

随着我国煤矿开采逐渐进入深部区域,煤岩瓦斯复合动力灾害日益严重,对煤矿的安全生产造成极大威胁.基于某矿现场数据,采用智能预测手段对煤岩瓦斯复合动力灾害进行研究.首先,依据大数据处理流程,应用箱型图分析法(Box-plot)与多重插补法(MI)进行数据清洗,结合灰色关联度分析法(GRA)建立煤岩瓦斯复合动力灾害指标体系;然后应用主成分分析法(PCA)进行数据降维,结合深度学习中的卷积神经网络(CNN)建立基于BMGP-CNN的煤岩瓦斯复合动力灾害预测模型;运用现场案例数据将此模型与BP 模型、随机森林(RF)模型、支持向量机(SVM)模型及人工神经网络(ANN)模型进行对比验证,发现BMGP-CNN模型预测结果的准确率最高,且该模型的收敛速度较快,能够在数秒内完成预测.研究结果对于煤岩瓦斯复合动力灾害的预测和防控具有重要意义.

关键词：煤岩瓦斯复合动力灾害、深度学习、大数据、指标体系、预测模型

所属期刊栏目：8

分类号：TD713(矿山安全与劳动保护)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：613-622