複数の指標ガス駆動による石炭自然発火温度区間の予測

科学分野:

• 地球科学
• 鉱山工学
• 人工知能

背景:

• 石炭自然発火（CSC）は、地下炭鉱における重大な危険であり、効果的な予防のためには正確な温度予測が必要です。
• 既存の方法は、タイムリーなリスク評価と緩和戦略に必要な精度を欠いていることがよくあります。

研究 の 目的:

• 石炭自然発火（CSC）のための新しい、複数の指標ガス駆動型温度区間予測モデルを開発および検証すること。
• 予測精度を向上させるために、高度な機械学習アルゴリズムとガス発生データを統合すること。

主な方法:

• 石炭サンプルを使用したCSC加熱実験を実施し、自社開発システムでガス発生（O2、CO、CH4、CO2、C2H6、C2H4）を監視しました。
• 200のデータセットを使用してGWO-CNN-BiLSTM-QRモデルを開発し、指標ガスデータを入力として石炭温度を出力しました。
• 点予測（R2、RMSE）および区間予測（CWC、MPICD）メトリクスを使用してモデル性能を評価し、ベンチマークモデルと比較しました。

主要な成果:

• GWO-CNN-BiLSTM-QRモデルは、点予測においてR2=0.9554、RMSE=16.1455の高い精度を達成しました。
• モデルは、95%および80%の信頼水準で低いCWCおよびMPICD値を示し、優れた区間予測性能を実証しました。
• 独立したデータでの検証により、モデルの強力な一般化能力と予測性能が確認されました。

結論:

• 提案されたGWO-CNN-BiLSTM-QRモデルは、CSCの温度区間予測のための堅牢で正確な方法を提供します。
• このガス駆動アプローチは、石炭鉱山におけるCSC予測とリスク軽減に貴重な理論的洞察と実践的なガイダンスを提供します。
• このフレームワークは、石炭鉱山の安全管理における大規模な工学アプリケーションに大きな可能性を示しています。