基于超前探测技术的煤矿瓦斯异常预警方法

考虑到瓦斯浓度数据为非连续性序列,如果直接将原始的非连续性序列输入模型中进行瓦斯浓度预测,会导致模型对序列内部潜在的周期性、趋势和异常特征的捕捉能力较弱,影响模型的预测准确性和稳定性,为此,提出基于超前探测技术的煤矿瓦斯异常预警方法。通过瑞利波超前探测技术获取煤矿地质结构信息,充分考虑煤层、岩层、断层等地质特征,将可能产生高浓度瓦斯的区域作为重点监测区域,并结合安全距离和通风情况,均匀布置瓦斯传感器。通过瓦斯传感器采集煤矿内瓦斯浓度数据,使用离散小波变换分解获取的瓦斯浓度数据,获取其高频分量、低频分量后,输入至LSTM-注意力机制模型中,利用LSTM充分捕捉瓦斯浓度数据的时序关系,并将注意力机制融入LSTM模型中,使用tanh函数处理LSTM模型输出的特征信息,增强关键信息的提取能力,完成浓度预测,最后通过设置阈值完成异常预警。实验结果表明,所提方法的瓦斯浓度异常预测准确率最大值为97.0%,明显高于现有方法,说明其煤矿瓦斯异常预警效果更好,更适用于实际场景。