【技术实现步骤摘要】
本专利技术涉及煤矿智能化，尤其涉及一种基于并行结构的煤矿瓦斯浓度预测方法。
技术介绍
1、对煤矿瓦斯浓度进行预测，提前预判瓦斯浓度情况，可以做到提前预警瓦斯超限风险，使瓦斯灾害预警从灾后向灾前转移，有效预防瓦斯事故发生，这对于提高煤矿安全生产具有重大意义，同时还能够为采掘工作面的瓦斯防治及通风系统优化调控指导，确保工作面瓦斯浓度安全，降低瓦斯灾害隐患。
2、瓦斯浓度数据是具有时空序列特征的数据，由于煤层和围岩的瓦斯含量、地面气压变化等自然因素，以及开采规模、开采顺序、回采方法、生产工艺、风量变化、采空区密闭质量等生产技术因素都会引起瓦斯浓度发生变化。因而，传感器采集的瓦斯监测数据形成了特征复杂的时空序列，呈高度复杂、动态非线性特性。
3、目前，深度学习的多种方法已经成功展开研究并应用在煤矿安全预测管理体系中，包括时间序列预测、图像识别、自然语言处理等。但是由于不同的深度学习网络具有不同的特点，例如卷积神经网络具有强大特征提取能力，能够高效的提取抽象特征和空间特征，但是对于时序信号中的时序特征不够敏感；循环神经网络...
【技术保护点】
1.一种基于并行结构的煤矿瓦斯浓度预测方法，其特征在于，包括：
2.根据权利要求1所述的基于并行结构的煤矿瓦斯浓度预测方法，其特征在于，所述瓦斯浓度预测模型包括依次连接的特征提取模块、特征融合模块和全连接层预测模块，所述特征提取模块包括并联设置的卷积神经网络和双向LSTM网络，卷积神经网络和双向LSTM网络的输出均连接至特征融合模块，卷积神经网络用于提取瓦斯浓度参考序列的空间特征，双向LSTM网络用于提取瓦斯浓度参考序列的时序特征。
3.根据权利要求1所述的基于并行结构的煤矿瓦斯浓度预测方法，其特征在于，所述S4在具体实施时，包括：
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。