【技术实现步骤摘要】
本专利技术涉及井工煤矿粉尘预测，尤其是涉及一种煤矿粉尘移动轨迹预测方法、装置、电子设备及存储介质。
技术介绍
1、煤炭是我国的主要能源，煤矿防尘是关系矿工生命健康、安全生产的重要工作，也是矿山安全生产的技术问题之一，所以如何根据煤矿爆破点采集的爆破信息预测粉尘移动轨迹，以便有效的防止煤矿工作环境中的粉尘污染是亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种煤矿粉尘移动轨迹预测方法、装置、电子设备及存储介质，以解决上述问题，实现了根据煤矿爆破点采集的爆破信息预测粉尘移动轨迹，以便有效的防止煤矿工作环境中的粉尘污染。
2、第一方面，本专利技术实施例提供了一种煤矿粉尘移动轨迹预测方法，所述方法包括：
3、获取煤矿内的爆破信息；其中，所述爆破信息包括产尘信息和采集基础信息，所述产尘信息包括多个测量点的检测信息，所述检测信息包括以下至少之一：测点湿度、测点风速、测点风向、粉尘浓度、粉尘粒度、粉尘分散度、粉尘成分信息、粉尘中游离二氧化硅含量；所述采集基础信息包括各个所述测量点的三维坐标信息以及所述检测信息的采集时间；
4、将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿内粉尘移动轨迹。
5、优选地，所述预测模型包括自组织映射som模型、反向传播bp模型和时间序列prophet模型；
6、将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿
7、将所述爆破信息输入至所述som模型，以使所述som模型根据所述爆破信息输出聚类分析结果；
8、将所述聚类分析结果输入至所述bp模型，以使所述bp模型根据所述聚类分析结果输出所述煤矿内第一粉尘移动轨迹。
9、优选地，将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿内粉尘移动轨迹的步骤，还包括：
10、将所述聚类分析结果输入至所述prophet模型，以使所述prophet模型根据所述聚类分析结果输出所述煤矿内第二粉尘移动轨迹；其中，所述第一粉尘移动轨迹不同于第二粉尘移动轨迹。
11、优选地，所述方法还包括：
12、将第二粉尘移动轨迹按照预设方式进行可视化显示；其中，所述预设方式包括以下至少之一：预测值字段、预测上限值字段和预测下限值字段。
13、优选地，所述方法还包括：
14、获取训练集；其中，所述训练集包括爆破训练信息以及对应的粉尘移动训练轨迹，所述爆破训练信息包括产尘训练信息和采集基础训练信息，所述产尘训练信息包括多个测量点的检测训练信息，所述检测训练信息包括以下至少之一：测点湿度训练值、测点风速训练值、测点风向训练值、粉尘浓度训练值、粉尘粒度训练值、粉尘分散度训练值、粉尘成分信息训练值、粉尘中游离二氧化硅含量训练值；所述采集基础训练信息包括各个所述测量点的三维坐标训练信息以及所述检测训练信息的训练采集时间；
15、将所述训练集输入至原始som模型，得到聚类分析训练结果；
16、将所述聚类分析训练结果和所述粉尘移动训练轨迹输入至原始bp模型进行训练，得到所述bp模型。
17、优选地，将所述聚类分析训练结果和所述粉尘移动训练轨迹输入至原始bp模型进行训练的步骤之前，所述方法还包括：
18、对所述聚类分析训练结果进行归一化处理，并将处理后的所述聚类分析训练结果和所述粉尘移动训练轨迹输入至所述原始bp模型进行训练。
19、优选地，所述原始bp模型包括依次设置的输入层、隐含层和输出层，所述方法还包括：
20、获取所述输入层中神经元的第一数量和所述输出层中神经元的第二数量，并根据所述第一数量和所述第二数量确定所述隐含层中神经元的数量；
21、其中，所述隐含层中神经元的数量的计算公式如下：
22、
23、其中，m表示所述隐含层中神经元的数量，x表示第一数量，y表示第二数量，β表示调节参数。
24、本专利技术提供的煤矿粉尘移动轨迹预测方法带来了以下有益效果：
25、本专利技术提供了一种煤矿粉尘移动轨迹预测方法，通过将获取到的煤矿内的爆破信息输入至预先训练好的预测模型，以使预测模型根据爆破信息预测出粉尘移动轨迹。该方法可实现对粉尘移动轨迹的实时预测，且预测得到的粉尘移动轨迹精确度高，矿井的工作人员可根据预测结果精准的确定粉尘的污染范围和粉尘的污染方向，按照预测得到的粉尘移动轨迹采取具有针对性的降尘措施，在一定程度上提高井工煤矿粉尘防治效率。
26、第二方面，本专利技术还提供了一种煤矿粉尘移动轨迹预测装置，所述装置包括：
27、获取模块，用于获取煤矿内的爆破信息；其中，所述爆破信息包括产尘信息和采集基础信息，所述产尘信息包括多个测量点的检测信息，所述检测信息包括以下至少之一：测点湿度、测点风速、测点风向、粉尘浓度、粉尘粒度、粉尘分散度、粉尘成分信息、粉尘中游离二氧化硅含量；所述采集基础信息包括各个所述测量点的三维坐标信息以及所述检测信息的采集时间；
28、预测模块，用于将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿内粉尘移动轨迹。
29、本专利技术实施例提供的煤矿粉尘移动轨迹预测装置，与上述实施例提供的煤矿粉尘移动轨迹预测方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
30、第三方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的方法中的有益效果，在此不再赘述。
31、第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时，实现上述任一项所述的方法中的有益效果，在此不再赘述。
32、本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
33、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种煤矿粉尘移动轨迹预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预测模型包括自组织映射SOM模型、反向传播BP模型和时间序列Prophet模型；
3.根据权利要求2所述的方法，其特征在于，将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿内粉尘移动轨迹的步骤，还包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，将所述聚类分析训练结果和所述粉尘移动训练轨迹输入至原始BP模型进行训练的步骤之前，所述方法还包括：
7.根据权利要求5所述的方法，其特征在于，所述原始BP模型包括依次设置的输入层、隐含层和输出层，所述方法还包括：
8.一种煤矿粉尘移动轨迹预测装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的方法的步骤。
...【技术特征摘要】
1.一种煤矿粉尘移动轨迹预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述预测模型包括自组织映射som模型、反向传播bp模型和时间序列prophet模型；
3.根据权利要求2所述的方法，其特征在于，将所述爆破信息输入至预先训练好的预测模型，以使所述预测模型根据所述爆破信息输出所述煤矿内粉尘移动轨迹的步骤，还包括：
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，将所述聚类分析训练结果和所述粉尘移动训练轨迹输...
【专利技术属性】
技术研发人员：王冰山，王天乐，冯如新，张岩，金岳哲，彭素芳，焦云星，李天潇，
申请(专利权)人：华能煤炭技术研究有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。