方法文章

关于煤炭自燃温度预测结构优化深度集成模型的研究

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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本文介绍了一种利用SSA优化的CNN-LSTM-Attention框架预测煤炭自燃温度的协议，该框架自动优化网络结构和参数，从而提升了在异构数据集和不同采矿条件下的准确性、适应性和泛化性。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在此，我们提出了一种基于麻雀搜索算法（SSA）优化的卷积神经网络（CNN）-长短期记忆（LSTM）-注意力框架的煤炭自燃温度预测协议。该协议解决了固定网络架构的局限性、有限的泛化性以及传统方法中常见的可转移性差的问题。该框架利用CNN提取空间特征，并捕捉LSTM网络的时间依赖性，而注意力机制则突出关键温度相位和显著特征。SSA共同优化网络深度和超参数，实现对不同采矿场地和实验条件不同数据复杂度的动态适应。该协议包括数据采集、特征预处理、模型构建、参数优化和验证步骤。实验结果表明，所提模型在同质数据集上实现了显著更高的预测准确率，并在异构数据集间保持了稳健的泛化性能，非常适合用于实时煤矿温度监测和预警系统。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

煤炭在中国能源结构中依然占据主导地位。然而，在储存、运输和采矿过程中，可能发生自燃，导致自燃。这常常引发矿山火灾，严重威胁矿山安全和工人生命 1,2,3,4。因此，准确预测煤矿火灾风险及其温度变化对于预警和灾害缓解至关重要。煤炭自燃温度的预测方法已从早期的经验公式演变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的热释放机制。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限制 8,9,10。随着智能算法的发展，随机森林（RF）11和人工神经网络（ANN）12等方法逐渐被引入，通过构建....

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 煤炭自燃数据收集

  1. 组装空气型煤炭程序加热氧化系统，包括燃气输送系统、温控装置和气体分析仪器。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经过全面校准。
  2. 称重1000克混合煤样品（保留原始块状），用四分法彻底均质样品，均匀地将煤块放入加热室。保持均匀的厚度和均匀分布，以确保加热均匀。
  3. 启动空气泵，利用流量计调整流量，以保持100 mL/min的稳定气体流量进入加热室。确保流量稳定在± mL/min以内。
  4. 按照预设的温度斜坡程序启动供暖系统，以1.0°C/min的速率逐步提高炉子温度至200°C。 使用控制软件实时监测温度变化，确保加热速率符合设计规格。
  5. 使用安装在煤样附近的温度传感器，持续监测和记录温度变化，确保数据收集准确且不中断。
    注意：在编程加热实验期间，温度和气体浓度数据每10秒通过校准温度传感器和气体分析仪自动记录一次，直到实验结束。
  6. 将加热反应中产生的气体通过气体输送系统传输到气相色谱仪中。
    1. 在预定的间隔（30秒）进行自动采样，测量氧气、一氧化碳和二氧化碳的浓度，并在每次实验前进行气相色谱基准。
    2. 保持转移管流量为100 mL/min（±2 mL/min），与腔体流出匹配，并由质量流量控制器调节，以确保在30秒自采样期间稳定输送到气相色谱仪。

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

通过四个独立数据集验证模型稳定性，证明了在不同地质条件下的预测表现一致。本节介绍了煤炭自燃实验及提出的SSA-CNN-LSTM-Attention模型的代表性结果和性能评估。首先，分析程序化加热氧化实验中收集的多种气体指示器的变化，揭示不同温度阶段气体浓度的动态模式。结果分为四个部分：（1）消融实验，用于评估CNN、LSTM、注意力和SSA成分对模型表现的贡献;（2）模型比较实验，将拟议方法与BP、XGBoost、Transformer、GCN和TCN-GCN进行比较，以分析在一致训练条件下的拟合准确性和误差分布;（3）优化算法比较实验，评估GA、GWO、PSO、WOA和SSA在参数和结构优化策略下的表现;以及（4）可转移性验证，测试模型在不同煤矿收集的数据集上的预测准确性和稳定性。所有结果均基于协议中描述的实验程序和数据处理方法，评估指标包括均方误差（MSE）、均方根误差（RMSE）、均值绝对误差（MAE）、判定系数（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

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

使用完好的煤块;采样后仅进行表面清洁，并立即双重密封以避免长时间暴露。通过恒流控制（MFC）保持燃气管线的泄漏密封，严格按照协议规定执行编程加热，并根据认证标准校准气相气相色谱。在固定间隔内获取温度和气体信号并同步时间戳（参见协议）。从计算角度看，修复并记录环境（作系统、Python、深度学习框架、CUDA等），设置随机种子和确定性选项，锁定依赖关系。使用按矿区分层固定的分层分层;仅将预处理套入训练集，并不更改地应用于测试集;遵循统一的培训和评估流程。遵守这些点可以保留分级的O2/CO/CO2/CH4特征，并提高结果的可重复性和可转移性。

在实验中，通过泄漏测试和净化管线来解决氧气 基线漂移或室温CO/CO2 升高;然后重新运行空白机，并用认证标准重新校准。通过使用带有独立检查的MFC和运行固定PID斜坡来稳定流量和温度。保持热电偶布置和块体样品周围环空间隙在各次运行中保持一致。通过微调柱温或分流比，并更换.......

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有什么可透露的。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该工作得到了中国国家自然科学基金会（资助号52274206）支持的，用于关于深硬岩动态扰动和剪切蠕变特性及临界幂律行为的项目，以及国家自然科学基金会青年基金（资助号51904144）支持，用于煤层气迁移期间扩散效应的研究。

....

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孔、2档气体采样阀，配备通用执行器VICI ValcoEUDA-2C6UWT1/16英寸配件;0.75毫米开口;RS-232;2英寸对峙
氧化铝样品船MTI公司EQ-CA-L50W40H20>99.5% Al2O3;50多次;40次以上;20毫米
色谱软件安捷伦科技OpenLab CDS数据采集/处理
煤炭样本（现场采集）内部/现场采集无来源详见方法集
CUDA / cuDNNNVIDIAhttps://developer.nvidia.com/cuda-zoneCUDA 11.x;匹配的cuDNN
DAQ大型主机瞄准器DAQ970A6½-数字万分管理;USB/局域网
干燥剂（指示）W.A. 哈蒙德·德里尔特23001硫酸钙;8 网;1磅
隔膜空气泵KNFhttps://www.knf.com持续供气;流量可调
FR实验服堡垒KEL2（系列）符合NFPA 2112标准
气相色谱仪安捷伦科技G3540A（8890 GC系统）GC系统;EPC;最多2个进气口/4个探测器
耐热手套安塞尔43-113间歇性最高可达~350 & deg;C
高纯度空气液化空气 / 气https://www.airgas.com/solutions/specialty-gases/pure-gases/alphagaz≥纯度99.99%
IDEJetBrains / Microsofthttps://www.jetbrains.com/pycharm/;https://code.visualstudio.com/downloadPyCharm / VS Code
内联滤波器斯瓦格洛克https://www.swagelok.com/downloads/webcatalogs/en/ms-01-92.pdf烧结不锈钢元件0.5和ndash;15 和微距;m
K型热电偶欧米茄https://www.omega.comK型（NiCr–NiSi）
质量流量控制器（0–200 sccm）阿利卡特科学MC-200SCCM-DMC系列;±（0.8% RDG + 0.2% FS）
多组分校准气体梅瑟https://specialtygases.messergroup.com/standard-gas-mixtures定制专注;证书
操作系统Microsofthttps://www.microsoft.com/en-us/software-download/windows11Windows 11
操作系统正典https://ubuntu.com/download/desktopUbuntu LTS（22.04/24.04）
PTFE/PFA管材斯瓦格洛克https://products.swagelok.com/en/all-products/hoses-flexible-tubing/ptfe-pfa-core-hose/c/716?clp=true耐化学性;1/16–1/4英寸外径
蟒蛇Python 软件基础https://www.python.org/downloads/3.8版本
石英样品船MTI公司EQ-QB-1017（示例尺寸）~1200 & deg;工作温度
安全护目镜3岁月93506P1-DC（示例）化学飞溅;防雾选项
不锈钢无缝管斯瓦格洛克https://www.swagelok.com/downloads/webcatalogs/en/ms-01-181.pdf316/316升;1/16–1/4英寸外径
不锈钢管件及套筒斯瓦格洛克https://products.swagelok.com/en/all-products/fittings/tube-fittings-adapters/c/154?clp=true316/316升;双套
温度控制器欧热3216单环PID;可编程坡道/报警
张量流谷歌https://www.tensorflow.org版本 2.6
USB热电偶模块NI（国家仪器）781314-01（USB-TC01）K/J/T;记录软件
可变面积流量计（Visi-Float）德怀尔仪器VFA-2-EC-SS（0.2–2 SCFH 航空）低流量范围;直接阅读
工作站显卡NVIDIA900-1G136-2530-000（创始人版）GeForce RTX 4090,24GB GDDR6X（FE）

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章