-
题名基于深度学习的矿井瓦斯爆炸源强度和位置反演方法
- 1
-
-
作者
尚晓吉
杨忠原
张志镇
杨维好
翟成
-
机构
中国矿业大学深地工程智能建造与健康运维全国重点实验室
深地科学与工程云龙湖实验室
中国矿业大学力学与土木工程学院
中国矿业大学煤矿灾害防控全国重点实验室
-
出处
《采矿与安全工程学报》
北大核心
2025年第5期1204-1213,共10页
-
基金
国家自然科学基金项目(52374105,52204113)
国家重点研发计划项目(2022YFE0129100)
+1 种基金
江苏省自然科学基金项目(BK20220232)
中国博士后基金面上项目(2023M733764)。
-
文摘
针对矿井瓦斯爆炸源反演问题,分别构建了一维循环神经网络(RNN)和二维卷积神经网络(CNN)深度学习模型,对不同测点位置及超压数据下的爆炸源强度和位置进行反演研究。通过分析瓦斯爆炸超压随距离的衰减规律,利用一维RNN模型处理时间序列数据的优势,实现了瓦斯爆炸源强度和位置的反演。将研究扩展到二维空间,进一步设计了可同步处理测点位置与最大超压数据的二维CNN模型,针对已有瓦斯爆炸数据进行了反演。研究结果表明:所构建的深度学习模型在测试工况上表现出显著的反演准确性,测试工况的均方误差值为0.0003,决定系数(R2)值为0.8831,误差显著低于基线模型,且反演结果与真实工况结果高度一致。研究成果为巷道瓦斯爆炸事故预防与控制提供了有效的技术支撑。
-
关键词
爆炸源反演
深度学习
冲击波超压
神经网络模型
瓦斯爆炸
-
Keywords
explosion source inversion
deep learning
shock wave overpressure
neural network model
gas explosion
-
分类号
TU.457
[建筑科学]
-
