申请/专利权人：太原理工智能装备研究院有限公司;山西鑫源煤炭设计有限公司;杨家彪

申请日：2024-01-17

公开（公告）日：2024-04-16

公开（公告）号：CN117893345A

主分类号：G06Q50/02

分类号：G06Q50/02;G06Q10/04;G06Q10/0635;G06N3/0442;G06N3/092;G06N3/006

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种用于瓦斯积聚智能控制的供风量预测方法及系统，方法包括数据准备、数据预处理、瓦斯聚积特征工程、供风量预测和瓦斯浓度控制策略生成。本发明属于煤矿安全技术领域，具体是指一种用于瓦斯积聚智能控制的供风量预测方法及系统，本方案采用基于门控循环单元和粒子群优化算法的瓦斯聚积风险预测，通过优化模型参数，避免模型学习能力差和过拟合的现象，并增强了模型鲁棒性和预测的实时性，有助于及时发现瓦斯聚积风险，提高煤矿安全性；采用基于深度强化学习的供风量预测，具有更强的实时学习和决策能力，有效地对时间序列数据建模，提高供风量预测的准确性，有助于动态调整供风量，进而提升瓦斯聚积智能控制的有效性和实用性。

主权项：1.一种用于瓦斯积聚智能控制的供风量预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据准备，具体为通过传感器收集矿井环境数据；步骤S2：数据预处理；步骤S3：瓦斯聚积特征工程，具体为依据瓦斯浓度平滑数据，基于门控循环单元和粒子群优化算法进行瓦斯聚积风险预测，得到瓦斯聚积风险等级；步骤S4：供风量预测；步骤S5：瓦斯浓度控制策略生成；在步骤S4中，所述供风量预测模型构建，具体为基于深度强化学习的供风量预测，包括以下步骤：步骤S41：设计深度强化学习的关键要素；步骤S42：初始化供风量预测模型结构，所述供风量预测模型结构包括策略网络、值函数网络和缓冲区；步骤S43：通过模型训练进行参数更新，优化策略网络和值函数网络，得到供风量预测模型；步骤S44：采用供风量预测模型，结合瓦斯浓度、瓦斯聚积风险等级和通风数据进行供风量预测，得到矿井所需供风量。

全文数据：

权利要求：

百度查询： 太原理工智能装备研究院有限公司;山西鑫源煤炭设计有限公司;杨家彪 一种用于瓦斯积聚智能控制的供风量预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD