基于GRU神经网络的巷道平均风速获取研究

摘要：

针对矿井智能通风系统不能及时获取风速进而影响后续通风系统解算及优化的问题,利用ANSYS巷道风速分布模拟获取神经网络所需训练集,在人工测量与风速传感器监测数据的基础上,构建基于门控循环单元(Gated Recurrent Unit)神经网络的巷道平均风速预测模型.首先,提出神经网络模型,然后采用Adam优化算法对ANSYS模拟的点风速进行异常值和归一化等预处理,通过对不同形状巷道的监测点风速进行结构化处理后用于训练神经网络,找出各点风速与平均风速之间的强非线性关系,使预测风速逼近巷道实际平均风速,最后构建基于GRU神经网络的巷道平均风速预测模型.以王家岭煤矿实测数据作为测试集,将其应用于预测模型中,结果表明GRU神经网络模型具有较高精度和较强的泛化能力,能够获取巷道平均风速.矿井通风巷道平均风速预测模型在煤矿领域的成功应用,将为其他金属矿山智能通风系统及时准确获取风速参数提供新思路.

关键词：智慧矿山;GRU神经网络;监测监控系统;平均风速;智能通风系统

所属期刊栏目：29

分类号：TD76(矿山安全与劳动保护)

资助基金：国家自然科学基金项目"基于大数据的煤与瓦斯突出的预测方法与应用研究"编号:71771111

在线出版日期：2021-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：709-718