需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

用于预测煤自燃温度的结构优化深度集成模型研究

281 次观看

⸱

DOI：

10.3791/69457

⸱

2025年12月19日

 ,  ,  ,  , 
1School of Emergency Management and Safety Engineering, China University of Mining and Technology (Beijing)

本文内容

摘要

本文介绍了一种利用SSA优化的CNN-LSTM-Attention框架预测煤自燃温度的实验方案，该框架可自动优化网络结构与参数，从而在异构数据集及不同采矿条件下提升预测的准确性、适应性与泛化能力。

摘要

本文提出了一种基于麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的卷积神经网络（CNN）-长短期记忆网络（LSTM）-注意力机制框架的煤自燃温度预测方案。该方案克服了传统方法中存在的网络结构固定、泛化能力受限以及迁移性差等局限性。该框架利用卷积神经网络提取空间特征，通过长短期记忆网络捕捉时间依赖关系，同时引入注意力机制以突出关键温度阶段和显著特征。麻雀搜索算法对网络深度和超参数进行联合优化，从而实现对不同矿区和实验条件下数据复杂度变化的动态自适应。本方案包括数据采集、特征预处理、模型构建、参数优化及验证等步骤。实验结果表明，所提出的模型在同构数据集上具有显著更高的预测精度，并在异构数据集上保持了良好的泛化性能，适用于煤矿实时温度监测与早期预警系统。

引言

煤炭在中国的能源结构中仍占据主导地位。然而，在储存、运输和开采过程中，煤炭可能发生自热现象，进而引发自燃。这常常导致矿井火灾，严重威胁矿井安全和矿工生命1,2,3,4。因此，准确预测煤矿火灾风险及其温度变化，对于实现早期预警和灾害防控至关重要。煤炭自燃温度的预测方法已从早期的经验公式发展为基于实际监测数据的分析方法5,6,7。早期研究主要依赖物理模型和化学动力学方程来模拟煤炭氧化放热机制。然而，由于模型参数复杂且适用性有限，这些模型在实际应用中面临显著局限8,9,10。随着智能算法的发展，随机森林（Random Forest, RF）11和人工神经网络（Artificial Neural Networks, ANN）12

访问受限。请登录或开始试用以查看此内容。

方案

1. 煤炭自燃数据采集

  1. 组装气流式煤程序化加热氧化系统，包括气体输送系统、温度控制单元和气体分析仪器。确保所有连接牢固，温度控制设置准确，气相色谱仪及其他分析设备均已完全校准。
  2. 称取1000 g混合煤样（保持原始块状形态），采用四分法充分均质化样品，并将煤块均匀放置于加热腔内。保持厚度一致且分布均匀，以确保受热均匀。
  3. 启动空气泵，通过流量计调节流速，使进入加热腔的气体流量稳定在100 mL/min。确保流量稳定性在±2 mL/min范围内。
  4. 根据预设的升温程序启动加热系统，以1.0 °C/min的速率逐步升高炉温至200 °C。使用控制软件实时监测温度变化，确保升温速率符合设计要求。
  5. 利用安装在煤样附近的温度传感器持续监测并记录温度变化，确保数据采集的准确性和连续性。
    注意：在程序化加热实验过程中，每10秒自动记录一次温度和气体浓度数据，使用已校准的温度传感器和气体分析仪，直至实验结束。
  6. 通过气体输送系统将加热反应过程中产生的气体导入气相色谱仪。
    1. 按预设时间间隔（30 s）进行自动采样，测定氧气、一氧化碳和二氧化碳的浓度，并在每次实验前完成气相色谱基线校准。
    2. 保持100 mL/min（±2 mL/min）的传输管线流量，与反应腔出气流量匹配，并由质量流量控制器调节，以确保在30秒自动采样期间向气相色谱仪稳定输送气体。

访问受限。请登录或开始试用以查看此内容。

结果

采用四个独立数据集验证了模型的稳定性，结果表明该模型在不同地质条件下均表现出一致的预测性能。本节展示了煤自燃实验以及所提出的SSA-CNN-LSTM-Attention模型的代表性结果与性能评估。首先，分析程序控温氧化实验过程中采集的多种气体指标变化，以揭示不同温度阶段下气体浓度的动态变化规律。结果分为四个部分：（1）消融实验，用于评估CNN、LSTM、Attention和SSA各组件对模型性能的贡献；（2）模型对比实验，将所提出方法与BP、XGBoost、Transformer、GCN和TCN-GCN进行比较，在相同训练条件下分析其拟合精度与误差分布；（3）优化算法对比实验，评估GA、GWO、PSO、WOA和SSA在参数优化与结构优化策略下的性能表现；（4）可迁移性验证，测试模型在来自不同煤矿的数据集上的预测精度与稳定性。所有结果均基于本实验方案中描述的实验流程与数据处理方法，评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R2）和平均绝对百分比误差（MAPE）。

访问受限。请登录或开始试用以查看此内容。

讨论

使用完整的煤块样品；采样后仅进行表面清洁，并立即双重密封，避免长时间暴露。保持气体管路气密，并通过质量流量控制器（MFC）实现恒流控制，严格按照方案中规定的程序进行加热，并使用有证标准物质对气相色谱仪（GC）进行校准。以固定时间间隔采集温度和气体信号，并同步时间戳（见方案）。从计算角度出发，需固定并记录实验环境（操作系统、Python、深度学习框架、CUDA等），设置随机种子和确定性选项，并锁定依赖项版本。按开采地点采用分层固定划分方式；仅在训练集上拟合预处理方法，并将其不变地应用于测试集；遵循统一的训练与评估流程。遵循上述要点可保留分阶段的O2/CO/CO2/CH4 特征信号，提高结果的可重复性和可迁移性。

在实验中，通过检漏和吹扫管路来消除 O2 基线漂移或室温下 CO/CO2 浓度升高的问题；随后重新运行空白样品，并使用有证标准物质重新校准。通过使用带有独立验证的质子流量控制器（MFC）以及运行固定 PID 升温程序，以稳定气流和温度。保持热电偶放置位置以及.......

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本工作得到了国家自然科学基金项目（批准号：52274206）对深部硬岩动态扰动与剪切蠕变特性及临界幂律行为的研究，以及国家自然科学基金青年基金（批准号：51904144）对煤层气运移过程中扩散效应研究的资助。

....

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
6通2位气体取样阀，带通用驱动器VICI ValcoEUDA-2C6UWT1/16" 接头；0.75 mm 接口；RS-232；2" 间距
氧化铝样品舟MTI CorporationEQ-CA-L50W40H20>99.5% Al2O3；50×40×20 mm
色谱分析软件安捷伦科技OpenLab CDS数据采集/处理
煤样（野外采集）内部/野外采集N/A方法中详述来源
CUDA / cuDNNNVIDIAhttps://developer.nvidia.com/cuda-zoneCUDA 11.x；匹配的 cuDNN
数据采集主控机KeysightDAQ970A6½数字万用表；USB/局域网
干燥剂（指示型）W.A. Hammond Drierite23001硫酸钙；8 目；1 磅
隔膜空气泵KNFhttps://www.knf.com持续供气；可调节气流
FR 实验室外套堡垒KEL2（系列）符合 NFPA 2112 标准
气相色谱仪安捷伦科技G3540A（8890 GC 系统）气相色谱系统；电子压力控制；最多2个进样口/4个检测器
耐热手套安塞尔43-113间歇性，最高可达约 350 °C
高纯度空气液化空气集团 / Airgashttps://www.airgas.com/solutions/specialty-gases/pure-gases/alphagaz≥99.99% 纯度
IDEJetBrains / Microsofthttps://www.jetbrains.com/pycharm/ ; https://code.visualstudio.com/downloadPyCharm / VS Code
内联滤光片Swagelokhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-92.pdf烧结不锈钢元件 0.5–15 µm
K型热电偶OMEGAhttps://www.omega.comK型（NiCr）–NiSi
质量流量控制器（0–200 sccmAlicat ScientificMC-200SCCM-DMC系列； ±(0.8% 读数 + 0.2% 满量程)
多组分校准气体Messerhttps://specialtygases.messergroup.com/standard-gas-mixtures自定义浓度；证书
操作系统微软https://www.microsoft.com/zh-cn/software-download/windows11Windows 11
操作系统经典方法https://ubuntu.com/download/desktopUbuntu LTS（22.04/24.04）
PTFE/PFA 管Swagelokhttps://products.swagelok.com/zh/all-products/hoses-flexible-tubing/ptfe-pfa-core-hose/c/716?clp=true耐化学腐蚀；1/16–1/4 光密度
PythonPython 软件基金会https://www.python.org/downloads/版本 3.8
石英样品舟MTI CorporationEQ-QB-1017（示例尺寸）~1200 °C 工作温度
护目镜3M93506P1-DC（示例）化学飞溅；防雾选项
不锈钢无缝管Swagelokhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-181.pdf316/316L；1/16–1/4 光密度
不锈钢管接头 &和套圈Swagelokhttps://products.swagelok.com/zh/all-products/fittings/tube-fittings-adapters/c/154?clp=true316/316L；双卡套
温度控制器Eurotherm3216单回路 PID；可编程斜坡/报警
TensorFlow谷歌https://www.tensorflow.org版本 2.6
USB热电偶模块NI（国家仪器公司）781314-01（USB-TC01）K/J/T；记录软件
可变面积流量计（Visi-Float）Dwyer InstrumentsVFA-2-EC-SS（0.2–2 标准立方英尺/小时 空气)低流量范围；直接读数
工作站显卡NVIDIA900-1G136-2530-000（创始人版）NVIDIA GeForce RTX 4090，24 GB GDDR6X（FE）

参考文献

  1. Zhang, J., Zhou, X., Su, J., Xiao, Y. An interpretable machine learning model for optimization of prediction index gases in coal spontaneous combustion. Alexandria Eng J. 122, 268-278 (2025).
  2. Wang, K., Huang, H., Deng, J., Zhang, Y., Wang, Q.

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。