采空區(qū)卸壓瓦斯抽采是礦井瓦斯治理的主要手段。安全高效的瓦斯抽采效果評價對于礦井瓦斯精準抽采有著至關重要的作用,采空區(qū)卸壓瓦斯抽采的智能評價對采空區(qū)卸壓瓦斯抽采工程具有重要的指導意義。本文通過工程資料收集、理論分析、模型搭建與訓練、原型系統(tǒng)設計開發(fā)及現(xiàn)場試驗等方法,提出了采空區(qū)卸壓瓦斯抽采評價指標體系,構(gòu)建了基于LSTM(Long Short Term Memory長短期記憶網(wǎng)絡)的采空區(qū)卸壓瓦斯抽采評價指標預測模型,形成了采空區(qū)卸壓瓦斯抽采智能評價方法,開發(fā)了采空區(qū)卸壓瓦斯抽采評價系統(tǒng)。論文主要研究工作如下:(1)在采空區(qū)卸壓瓦斯抽采原理及技術(shù)綜合分析的基礎上,對鉆孔因素、風流瓦斯?jié)舛纫蛩�、抽采濃度因素等關鍵影響因素分析,考慮各個指標間相互耦合作用及對采空區(qū)卸壓瓦斯抽采綜合評價的影響,基于層次分析法和關系矩陣法選取了瓦斯抽采濃度、抽采流量、風流瓦斯?jié)舛鹊炔煽諈^(qū)卸壓瓦斯抽采評價指標,利用模糊綜合評價建立指標滿意度模型,提出了采空區(qū)卸壓瓦斯抽采評價指標體系,對采空區(qū)卸壓瓦斯抽采效果進行等級評價。(2)針對采空區(qū)卸壓瓦斯抽采評價指標預測精度問題,對礦井瓦斯抽采計量數(shù)據(jù)采用One-hot編碼對...

【文章頁數(shù)】：150 頁

【學位級別】：博士

【部分圖文】：

圖1.7ST-PSO-SVR算法整體模型圖

1緒論對煤與瓦斯突出的危險性進行了預測評價。選取瓦斯放散初速度、開采深度、瓦斯壓力、煤的堅固性系數(shù)等關鍵預測指標作為評價煤與瓦斯突出的關鍵指標，建立了煤與瓦斯突出預測的神經(jīng)網(wǎng)絡模型。付華[148-150]提出經(jīng)改進的粒子群算法（MPSO）優(yōu)化的加權(quán)最小二乘支持向量機（WLS-S....

圖1.8鄰接點和時間維度預測精度對比

1緒論對煤與瓦斯突出的危險性進行了預測評價。選取瓦斯放散初速度、開采深度、瓦斯壓力、煤的堅固性系數(shù)等關鍵預測指標作為評價煤與瓦斯突出的關鍵指標，建立了煤與瓦斯突出預測的神經(jīng)網(wǎng)絡模型。付華[148-150]提出經(jīng)改進的粒子群算法（MPSO）優(yōu)化的加權(quán)最小二乘支持向量機（WLS-S....

圖3.11batch為512時Loss與Acc變化圖像

2'1111nniiiiiMAEEYYnn平均絕對誤差，iE為第i個實際值與預測值得絕對誤個預測值。由于預測誤差有正有負，為避免正負相抵，其平均值。調(diào)優(yōu)時間步長）代表了LSTM能夠利用的序列長度，是數(shù)量較大時可適當減小batchsize....

圖3.12batch為256時Loss變化圖像

ze為128、256、512的性能。使用建立的LSTM模次batch大小為512，損失函數(shù)為MSE。訓練的損STM模型，設置的訓練輪數(shù)epochs為64，批次b練的損失值與準確率如圖3.12所示。

本文編號：3893390