本文主要研究内容
作者宋爽（2019）在《基于深度学习的采空区卸压瓦斯抽采智能评价方法研究》一文中研究指出：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。
Abstract
cai kong ou xie ya wa si chou cai shi kuang jing wa si zhi li de zhu yao shou duan 。an quan gao xiao de wa si chou cai xiao guo ping jia dui yu kuang jing wa si jing zhun chou cai you zhao zhi guan chong yao de zuo yong ,cai kong ou xie ya wa si chou cai de zhi neng ping jia dui cai kong ou xie ya wa si chou cai gong cheng ju you chong yao de zhi dao yi yi 。ben wen tong guo gong cheng zi liao shou ji 、li lun fen xi 、mo xing da jian yu xun lian 、yuan xing ji tong she ji kai fa ji xian chang shi yan deng fang fa ,di chu le cai kong ou xie ya wa si chou cai ping jia zhi biao ti ji ,gou jian le ji yu LSTM(Long Short Term Memorychang duan ji ji yi wang lao )de cai kong ou xie ya wa si chou cai ping jia zhi biao yu ce mo xing ,xing cheng le cai kong ou xie ya wa si chou cai zhi neng ping jia fang fa ,kai fa le cai kong ou xie ya wa si chou cai ping jia ji tong 。lun wen zhu yao yan jiu gong zuo ru xia :(1)zai cai kong ou xie ya wa si chou cai yuan li ji ji shu zeng ge fen xi de ji chu shang ,dui zuan kong yin su 、feng liu wa si nong du yin su 、chou cai nong du yin su deng guan jian ying xiang yin su fen xi ,kao lv ge ge zhi biao jian xiang hu ou ge zuo yong ji dui cai kong ou xie ya wa si chou cai zeng ge ping jia de ying xiang ,ji yu ceng ci fen xi fa he guan ji ju zhen fa shua qu le wa si chou cai nong du 、chou cai liu liang 、feng liu wa si nong du deng cai kong ou xie ya wa si chou cai ping jia zhi biao ,li yong mo hu zeng ge ping jia jian li zhi biao man yi du mo xing ,di chu le cai kong ou xie ya wa si chou cai ping jia zhi biao ti ji ,dui cai kong ou xie ya wa si chou cai xiao guo jin hang deng ji ping jia 。(2)zhen dui cai kong ou xie ya wa si chou cai ping jia zhi biao yu ce jing du wen ti ,dui kuang jing wa si chou cai ji liang shu ju cai yong One-hotbian ma dui chou cai ji liang shu ju jin hang yu chu li 、jiang di shu ju wei du 、gou zao shu ju shi jian chuang ,bing an 8:1:1de bi li hua fen shu ju ji ,gou jian le si ceng LSTMping jia zhi biao ti ji yu ce mo xing 。tong guo diao zheng shi jian bu chang 、sun shi han shu he you hua han shu deng can shu di gao le mo xing de zhun que lv he lu bang xing ,dui bi ji ta yu ce mo xing suan fa ,LSTMmo xing neng gou jie jue ti du xiao shi wen ti bing ju you geng kuai de shou lian su du he geng gao de zhun que lv 。(3)zhen dui cai kong ou xie ya wa si chou cai ping jia zhi neng deng ji hua fen wen ti ,cai yong la ge lang ri cha zhi fa he ping jun zhi xiu zheng fa dui chou cai ji liang shu ju jin hang shu ju yu chu li 。cai yong zhi chi xiang liang ji de jian ceng ji qi xue xi ping jia fang fa he ji yu juan ji shen jing wang lao de shen du xue xi ping jia fang fa ,gou jian le cai kong ou xie ya wa si chou cai zhi neng ping jia mo xing 。xiang bi yu jian ceng shen jing wang lao de zhi chi xiang liang ji fen lei mo xing ,juan ji shen jing wang lao fen lei mo xing ping jie shen ceng shen jing wang lao you yue de xue xi neng li ,geng kuo ge cai kong ou xie ya wa si chou cai zhi neng ping jia ju zhun que lv geng gao 。(4)wei shi xian cai kong ou xie ya wa si chou cai gao xiao zhi neng ping jia ji ke shi hua xian shi ,she ji le cai kong ou xie ya wa si chou cai zhi neng ping jia ji tong qian duan jie mian he hou tai shu ju jie gou ,bing zai yun ping tai shang jin hang suan fa ji cheng 、mo xing feng zhuang ji chou cai ping jia yu zhi neng diao kong ji tong de kai fa bu shu ,jie jue le ji tong kai fa guo cheng zhong shu ju cha xun he huan cun de guan jian wen ti ,wei cai kong ou xie ya wa si de jing zhun chou cai di gong ruan jian mo xing ji ji shu zhi chi 。(5)zhen dui cai kong ou xie ya wa si chou cai ping jia xiao guo wen ti ,jie ge shi yan kuang jing gao wei zuan kong wa si chou cai shi yan shu ju ,fen xi le cai kong ou xie ya wa si chou cai xiao guo ,dui wa si chou cai ping jia deng ji jin hang hua fen 。gen ju ping jia jie guo di chu zuan kong feng kong zhi liang he diao zheng chou cai fu ya deng diao kong jian yi cuo shi ,shi xian cai kong ou xie ya wa si chou cai jian ce 、xiao guo ping jia he zhi neng diao kong yi ti hua liu cheng ,cong er bao zheng xie ya wa si de jing zhun gao xiao chou cai 。ji yu yi shang yan jiu cheng guo jin hang le xian chang shi yan yan zheng ,xing cheng le yi chong zhun que gao xiao de cai kong ou xie ya wa si chou cai zhi neng ping jia fang fa ,wei cai kong ou xie ya wa si chou cai xiao guo ping jia di gong le you li yi ju 。
论文参考文献
论文详细介绍
论文作者分别是来自西安科技大学的宋爽，发表于刊物西安科技大学2019-10-15论文，是一篇关于瓦斯抽采论文,采空区论文,深度学习论文,回归论文,智能评价模型论文,西安科技大学2019-10-15论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自西安科技大学2019-10-15论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：瓦斯抽采论文; 采空区论文; 深度学习论文; 回归论文; 智能评价模型论文; 西安科技大学2019-10-15论文;