基于多特征融合的煤自燃温度深度预测模型

作     者：王斌 贾澎涛 郭风景 孙刘咏 林开义 WANG Bin;JIA Pengtao;GUO Fengjing;SUN Liuyong;LIN Kaiyi

作者机构：陕西建新煤化有限责任公司陕西黄陵727300 西安科技大学计算机科学与技术学院陕西西安710054 陕西陕煤蒲白矿业有限公司陕西蒲城715517 

出 版 物：《中国矿业》 (China Mining Magazine)

年 卷 期：2024年第33卷第2期

页      面：84-90页

学科分类：0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 

基　　金：国家自然科学基金项目资助(编号:51974236) 

主　　题：煤自燃 深度学习 卷积神经网络 预测 差分进化算法 

摘      要：为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转成二维特征矩阵,采用滑动窗口对特征矩阵进行切片,并采用深度学习中的卷积神经网络提取特征矩阵上的有效特征,进行特征数据融合,在降噪和特征提取与融合的过程中采用差分进化算法对降噪自编码器和卷积神经网络的参数进行优化;最后,将融合后的数据输入门控循环单元神经网络进行煤自燃温度预测。实验结果表明,降噪后和特征融合后的数据在平均绝对误差上比直接采用原始数据预测误差分别降低6.55%和69.26%,均方根误差分别降低13.23%和63.49%,说明经过编码器降噪以及特征融合处理后能够有效提升煤自燃温度预测的准确度。