本发明提出一种基于深度学习的多传感器融合瓦斯浓度多步预测方法,根据矿井原始监控监测中的瓦斯数据进行标准化预处理,并对其进行初步的特征筛选,提取数据时序因素特征与空间拓扑因素特征。基于Encoder‑Decoder架构建立多传感器瓦斯浓度多步预测模型,根据时间设定将提取的特征数据拆分为训练数据与测试数据,通过对网络参数与损失函数的调整和大量数据的训练,实现对瓦斯浓度时间序列预测的功能。通过本发明,能够为煤矿的回采和掘进工艺提供高质量的瓦斯深度预测结果,从而为更精准的风险预判提供依据。
声明:
“基于深度学习的多传感器融合瓦斯浓度多步预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)