Method Article

Исследование глубоко интегрированной модели для структурной оптимизации в прогнозировании температуры спонтанного горения угля

DOI:

10.3791/69457

⸱

December 19th, 2025

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

In This Article

Summary

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

Здесь мы описываем протокол для прогнозирования температуры спонтанного сгорания угля с помощью оптимизированной для SSA фреймворка CNN-LSTM-Attention, которая автоматически оптимизирует структуру и параметры сети, тем самым повышая точность, адаптивность и обобщение между гетерогенными наборами данных и различными условиями добычи.

Abstract

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

Здесь мы предлагаем протокол для прогнозирования температуры спонтанного горания угля, основанный на фреймворке Sparrow Search Algorithm (SSA), оптимизированных с использованием сверточных нейронных сетей (CNN), долгой кратковременной памяти (LSTM) и Attention. Этот протокол решает ограничения архитектур фиксированных сетей, ограниченную обобщённость и низкую передаваемость, часто встречающиеся в традиционных методах. Фреймворк извлекает пространственные особенности с помощью CNN и фиксирует временные зависимости с сетями LSTM, а механизм внимания выделяет критические температурные фазы и важные особенности. SSA совместно оптимизирует глубину сети и гиперпараметры, обеспечивая динамическую адаптацию к различным сложностям данных на различных площадках добычи и в экспериментальных условиях. Протокол включает сбора данных, предварительную обработку признаков, построение моделей, оптимизацию параметров и этапы валидации. Экспериментальные результаты показывают, что предлагаемая модель достигает значительно более высокой предсказательной точности на однородных наборах данных и поддерживает надёжную производительность обобщения на гетерогенных наборах данных, что делает её отлично подходящей для мониторинга температуры шахт в реальном времени и систем раннего предупреждения.

Introduction

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

Уголь по-прежнему играет доминирующую роль в энергетической структуре Китая. Однако во время хранения, транспортировки и добычи может происходить спонтанное нагревание, что приводит к самовоспламению. Это часто приводит к пожарам на шахтах, серьёзно угрожая безопасности шахт и жизни рабочих1, 2, 3, 4. Поэтому точное прогнозирование риска пожаров на шахтах и их колебаний температуры крайне важно для раннего предупреждения и смягчения последствий катастроф. Методы прогнозирования температуры спонтанного сгоран....

Access restricted. Please log in or start a trial to view this content.

Protocol

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

1. Сбор данных о спонтанном сгорании угля

  1. Собрать воздушную систему окисливания с программированием угля, включая систему подачи газа, блок контроля температуры и приборы для анализа газа. Убедитесь, что все соединения надёжны, настройки температурного контроля точные и газовый хроматограф и другие аналитические устройства полностью откалиброваны.
  2. Взвесьте 1000 г смешанного образца угля (сохраняйте исходную форму комка), тщательно гомогенизуйте образец методом четвертинга и равномерно разместите угольные блоки внутри нагревательной камеры. Поддерживайте равномерную толщину и равномерное распределение для равномер....

Access restricted. Please log in or start a trial to view this content.

Results

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

Устойчивость модели была проверена с использованием четырёх независимых наборов данных, демонстрирующих согласованную прогнозную эффективность при различных геологических условиях. В этом разделе представлены репрезентативные результаты и оценки эффективности экспериментов по спонтанному сгоранию угля и предлагаемой модели SSA-CNN-LSTM-Attention. Во-первых, анализируются вариации множества газовых индикаторов, собранных в ходе программируемых экспериментов по окислению нагрева, чтобы выяв.......

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Используйте целые угольные блоки; После отбора проб проводите только поверхностную очистку и сразу же двойную герметизацию, чтобы избежать длительного воздействия. Поддерживайте газовую трубу герметичной с постоянным управлением потоком (MFC), выполняйте запрограммированное отопление точно так, как указано в протоколе, и калибруйте ГК по сертифицированным стандартам. Получать температурные и газовые сигналы с фиксированными интервалами и синхронизировать временные метки (см. протокол). С.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Авторам нечего раскрывать.

Acknowledgements

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

Эта работа была поддержана Национальным фондом естественных наук Китая (грант No 52274206) для проекта по динамическим нарушениям и характеристикам сдвигового ползущего в глубокой твёрдой породе и критическом поведении по закону силы, а также Молодежным фондом Национального фонда естественных наук Китая (грант No 51904144) для изучения диффузионных эффектов при миграции угольных пластов.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
6-портовый, двухпозиционный газовый клапан с универсальным приводомVICI ValcoEUDA-2C6UWTфитинги 1/16"; порты 0,75 мм; RS-232; 2" противостояние
Лодка для образцов глиноземаКорпорация MTIEQ-CA-L50W40H20>99,5% Al2O3; 50 и больше раз; 40 с лишним раз; 20 мм
Программное обеспечение для хроматографииAgilent TechnologiesOpenLab CDSСбор/обработка данных
Образцы угля (сбор в полевых условиях)Сбор внутри компании/в полевых условияхН/ДИсточник подробно описан в разделе Методы
CUDA / cuDNNNVIDIAhttps://developer.nvidia.com/cuda-zoneCUDA 11.x; сопоставление cuDNN
Мэйнфрейм DAQKeysightDAQ970A6½-цифра DMM; USB/LAN
Осушитель (указание)У.А. Хаммонд Дриерит23001Сульфат кальция; 8 mesh; 1 фунт
Воздушный насос диафрагмыKNFhttps://www.knf.comНепрерывная подача воздуха; регулируемый поток
Лабораторный халат FRБульваркKEL2 (серия)Соответствует требованиям NFPA 2112
Газовый хроматографAgilent TechnologiesG3540A (система 8890 GC)систему GC; EPC; до 2 входов / 4 детектора
Термостойкие перчаткиАнселл43-113Прерывистый до ~350 и градусов; C
Воздух высокой чистотыAir Liquide / Airgashttps://www.airgas.com/solutions/specialty-gases/pure-gases/alphagaz≥ Чистота 99,99%
IDEJetBrains / Microsofthttps://www.jetbrains.com/pycharm/ ; https://code.visualstudio.com/downloadPyCharm / VS Code
Встроенные фильтрыСвагелокhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-92.pdfСинтерованные элементы СС 0,5 и тире; 15 и микро; m
Термопары типа KOMEGAhttps://www.omega.comТип K (NiCr– NiSi)
Контроллер массового потока (0– 200 sccm)Alicat ScientificMC-200SCCM-Dсерия MC; ± (0,8% rdg + 0,2% FS)
Многокомпонентные калибровочные газыМессерhttps://specialtygases.messergroup.com/standard-gas-mixturesИндивидуальная концентрация; Сертификат
Операционная системаMicrosofthttps://www.microsoft.com/en-us/software-download/windows11Windows 11
Операционная системаКаноническийhttps://ubuntu.com/download/desktopUbuntu LTS (22.04/24.04)
Трубка PTFE/PFAСвагелокhttps://products.swagelok.com/en/all-products/hoses-flexible-tubing/ptfe-pfa-core-hose/c/716?clp=trueХимически устойчивы; 1/16– 1/4 в OD
PythonФонд программного обеспечения Pythonhttps://www.python.org/downloads/Версия 3.8
Кварцевая образцовая лодкаКорпорация MTIEQ-QB-1017 (размер примера)~1200 &°; Рабочая температура C
Защитные очки3M93506P1-DC (пример)Химический всплеск; Антитуманные варианты
Бесшовные трубы из нержавеющей сталиСвагелокhttps://www.swagelok.com/downloads/webcatalogs/en/ms-01-181.pdf316/316L; 1/16– 1/4 в OD
Фитинги и фитинги из нержавеющей стали ФеррулыСвагелокhttps://products.swagelok.com/en/all-products/fittings/tube-fittings-adapters/c/154?clp=true316/316L; Двойной феррул
Регулятор температурыEurotherm3216Одноконтурный PID; Программируемые рампы/сигнализации
TensorFlowGooglehttps://www.tensorflow.orgВерсия 2.6
USB-термопарный модульNI (Национальные инструменты)781314-01 (USB-TC01)K/J/T; Программное обеспечение логирования
Расходомер с переменной площадью (Visi-Float)Инструменты ДвайераVFA-2-EC-SS (0.2– 2 SCFH Air)Диапазон низкого потока; Прямое чтение
GPU рабочей станцииNVIDIA900-1G136-2530-000 (Издание основателей)GeForce RTX 4090, 24 ГБ GDDR6X (FE)

References

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

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Coal Spontaneous CombustionTemperature PredictionConvolutional Neural NetworksLong Short Term MemoryAttention MechanismSparrow Search AlgorithmModel OptimizationFeature PreprocessingReal Time MonitoringEarly Warning Systems

Related Articles