一种基于MTGNN-贝叶斯-IF-DBSCAN算法的煤矿面部传感器数据预测和预警方法
Mingyang Liu1,2, Xiaodong Wang1,2, Wei Qiao1,2
1Technology & Engineering, Xi'an Research Institute of China Coal (Group) Corporation, Xi'an 710077, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
本研究介绍了一种智能煤矿安全的综合方法,使用先进的AI模型增强气体度预测和异常检测. 这种方法改善了预警系统,使矿山更安全,更有效率.
科学领域:
- 智能系统是一个智能系统.
- 数据科学数据科学数据科学
- 采矿工程 采矿工程 采矿工程
背景情况:
- 煤矿安全监测需要准确的气体度预测和异常检测.
- 现有的方法与复杂的时空依赖性和适应性异常识别作斗争.
研究的目的:
- 为智能煤矿安全提出一个综合预测和预警方法.
- 为了提高气体度预测的准确性和异常检测可靠性.
主要方法:
- 利用多任务图形神经网络 (MTGNN) 来建模时空气度和风速数据.
- 采用贝叶斯优化来适应地融合隔离森林 (IF) 和基于密度的应用程序与噪声的空间聚类 (DBSCAN) 进行异常检测.
- 集成的原始度和残留特征,用于可靠的异常识别.
主要成果:
- MTGNN实现了高精度的气体度预测 (MAE低至0.00237,RMSE<0.0203).
- 融合异常检测方法在最佳重量 (w_if=0.43,w_dbscan=0.52) 的情况下获得了F1分数1.0.
- 气体异常检测率达到93-96%,误报率低于5%.
结论:
- MTGNN-贝叶斯-IF-DBSCAN框架为煤矿中的智能气体预警提供了一个新的技术途径.
- 该研究表明,在气体预测和异常检测方面,提高了准确性,可靠性和稳定性.
- 拟议的方法显示了对其他工业传感器网络应用的概括潜力.
