期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
我国煤与瓦斯突出预测与预警研究现状
被引量:
5
1
作者
梁运培
郑梦浩
+4 位作者
李全贵
毛树人
栗小雨
李建波
周俊江
《煤炭学报》
EI
CAS
CSCD
北大核心
2023年第8期2976-2994,共19页
煤与瓦斯突出是制约煤矿安全生产的重大灾害之一。我国煤层赋存环境复杂多变。针对时有发生的突出灾害事故,为了进一步提高突出预测和预警的准确率。梳理了突出发生机理的研究进展,指出地应力、瓦斯、煤体物理力学性质仍是防治突出的关...
煤与瓦斯突出是制约煤矿安全生产的重大灾害之一。我国煤层赋存环境复杂多变。针对时有发生的突出灾害事故,为了进一步提高突出预测和预警的准确率。梳理了突出发生机理的研究进展,指出地应力、瓦斯、煤体物理力学性质仍是防治突出的关键三要素,预测和预警的指标仍以此为基础;总结了突出预测的发展现状,指出预测的方法主要有单指标法、综合指标法和多属性指标法。主要存在预测位置局部、预测时间不连续、适应性差等不足;分析了突出预警的关键进展,指出基于突出孕育过程中的地应力、瓦斯、煤体演化机理,主要有声发射监测、电磁辐射监测、微震监测、瓦斯浓度时序监测,以及声电瓦斯综合监测预警方法。由于监测数据精度低、预警结果准确率低等不足而影响现场应用效果。基于当前突出预测和预警现状,以及煤矿安全智能化的需求,提出未来研究展望:突出预测应在启动判据与强度预测上,同时发展精细化、可量化指标;突出预警应跟踪指标的非线性变化,发展基于理论指标的趋势预警,基于事故经验的匹配预警,以及基于监控数据挖掘的前兆预警。通过组合预警模型,将定性与定量预警相结合,形成基于理论-经验-数据多重驱动组合预警模型,进一步提高预警准确率。同时发展矿山数字孪生建设,形成整体、连续、准确的煤矿突出灾害可视化智能预警。
展开更多
关键词
煤与瓦斯突出
突出机理
突出预测
突出预警
煤体物理力学性质
下载PDF
职称材料
基于CS-LSTM的工作面瓦斯浓度智能预测研究
被引量:
8
2
作者
梁运培
栗小雨
+3 位作者
李全贵
毛树人
郑梦浩
李建波
《矿业安全与环保》
北大核心
2022年第4期80-86,共7页
为充分挖掘瓦斯浓度监测数据的变化规律,实现工作面瓦斯浓度的准确预测,提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型。采用样条插值法对瓦斯浓度监测数据的缺失值进行插补,再进行无量纲化处理,得到训练样本;利用布谷鸟搜索(CS)...
为充分挖掘瓦斯浓度监测数据的变化规律,实现工作面瓦斯浓度的准确预测,提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型。采用样条插值法对瓦斯浓度监测数据的缺失值进行插补,再进行无量纲化处理,得到训练样本;利用布谷鸟搜索(CS)算法对长短期记忆网络(LSTM)的隐藏层层数及其神经元个数、全连接层层数及其神经元个数等4个超参数进行寻优,建立最优瓦斯浓度预测模型,并预测工作面未来12 h的瓦斯浓度。研究结果表明:与LSTM及基于遗传算法(GA)的LSTM模型预测结果相比,在相同迭代次数下,CS算法具有更好的全局寻优能力,有效避免了GA算法易陷入局部最优的不足;基于CS-LSTM预测模型的均方根误差(RMSE)为0.023,该模型与其他2种模型相比精度较高,预测效果较好。
展开更多
关键词
瓦斯浓度
时序预测
CS
LSTM
模型优化
智能化
非线性
下载PDF
职称材料
题名
我国煤与瓦斯突出预测与预警研究现状
被引量:
5
1
作者
梁运培
郑梦浩
李全贵
毛树人
栗小雨
李建波
周俊江
机构
重庆大学煤矿灾害动力学与控制国家重点实验室
重庆大学资源与安全学院
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2023年第8期2976-2994,共19页
基金
国家自然科学基金面上资助项目(52174166)。
文摘
煤与瓦斯突出是制约煤矿安全生产的重大灾害之一。我国煤层赋存环境复杂多变。针对时有发生的突出灾害事故,为了进一步提高突出预测和预警的准确率。梳理了突出发生机理的研究进展,指出地应力、瓦斯、煤体物理力学性质仍是防治突出的关键三要素,预测和预警的指标仍以此为基础;总结了突出预测的发展现状,指出预测的方法主要有单指标法、综合指标法和多属性指标法。主要存在预测位置局部、预测时间不连续、适应性差等不足;分析了突出预警的关键进展,指出基于突出孕育过程中的地应力、瓦斯、煤体演化机理,主要有声发射监测、电磁辐射监测、微震监测、瓦斯浓度时序监测,以及声电瓦斯综合监测预警方法。由于监测数据精度低、预警结果准确率低等不足而影响现场应用效果。基于当前突出预测和预警现状,以及煤矿安全智能化的需求,提出未来研究展望:突出预测应在启动判据与强度预测上,同时发展精细化、可量化指标;突出预警应跟踪指标的非线性变化,发展基于理论指标的趋势预警,基于事故经验的匹配预警,以及基于监控数据挖掘的前兆预警。通过组合预警模型,将定性与定量预警相结合,形成基于理论-经验-数据多重驱动组合预警模型,进一步提高预警准确率。同时发展矿山数字孪生建设,形成整体、连续、准确的煤矿突出灾害可视化智能预警。
关键词
煤与瓦斯突出
突出机理
突出预测
突出预警
煤体物理力学性质
Keywords
coal and gas outburst
outburst mechanisms
outburst prediction
outburst early warning
coal mechanies
分类号
TD713 [矿业工程—矿井通风与安全]
TD76 [矿业工程—矿井通风与安全]
下载PDF
职称材料
题名
基于CS-LSTM的工作面瓦斯浓度智能预测研究
被引量:
8
2
作者
梁运培
栗小雨
李全贵
毛树人
郑梦浩
李建波
机构
煤矿灾害动力学与控制国家重点实验室
重庆大学资源与安全学院
出处
《矿业安全与环保》
北大核心
2022年第4期80-86,共7页
基金
国家自然科学基金项目(51674050,52074049)。
文摘
为充分挖掘瓦斯浓度监测数据的变化规律,实现工作面瓦斯浓度的准确预测,提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型。采用样条插值法对瓦斯浓度监测数据的缺失值进行插补,再进行无量纲化处理,得到训练样本;利用布谷鸟搜索(CS)算法对长短期记忆网络(LSTM)的隐藏层层数及其神经元个数、全连接层层数及其神经元个数等4个超参数进行寻优,建立最优瓦斯浓度预测模型,并预测工作面未来12 h的瓦斯浓度。研究结果表明:与LSTM及基于遗传算法(GA)的LSTM模型预测结果相比,在相同迭代次数下,CS算法具有更好的全局寻优能力,有效避免了GA算法易陷入局部最优的不足;基于CS-LSTM预测模型的均方根误差(RMSE)为0.023,该模型与其他2种模型相比精度较高,预测效果较好。
关键词
瓦斯浓度
时序预测
CS
LSTM
模型优化
智能化
非线性
Keywords
gas concentration
time series prediction
CS
LSTM
model optimization
intelligent
nonlinearity
分类号
TD712 [矿业工程—矿井通风与安全]
TD76 [矿业工程—矿井通风与安全]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
我国煤与瓦斯突出预测与预警研究现状
梁运培
郑梦浩
李全贵
毛树人
栗小雨
李建波
周俊江
《煤炭学报》
EI
CAS
CSCD
北大核心
2023
5
下载PDF
职称材料
2
基于CS-LSTM的工作面瓦斯浓度智能预测研究
梁运培
栗小雨
李全贵
毛树人
郑梦浩
李建波
《矿业安全与环保》
北大核心
2022
8
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部