基于GCN-GRU的瓦斯浓度时空分布预测

在煤矿井下复杂环境下,传统瓦斯浓度预测模型的预测精度较低,虽然通过引入各种优化算法对传统瓦斯浓度预测模型进行优化,提高了瓦斯浓度预测精度,但仅从时间维度进行建模,忽略了瓦斯浓度的空间特性,易导致重要先验知识丢失,影响预测效果。针对上述问题,提出一种基于图卷积神经网络（GCN）和门控循环单元（GRU）的瓦斯浓度时空分布预测模型。首先,对瓦斯浓度历史数据进行预处理,根据各采集节点间的空间距离,构建瓦斯浓度空间节点图,用于对节点间复杂的依赖关系进行建模。然后,在每个采样时间点,将瓦斯浓度和节点间的距离权重参数作为输入,获得瓦斯的空间节点图结构后,通过GCN进行空间特征自适应学习和图卷积运算,得到瓦斯浓度的空间特征,再将瓦斯浓度的空间特征信息转化为序列数据,输入到GRU。最后,GRU对时间序列下各时刻组成的瓦斯空间特征信息进行处理,通过基于序列到序列模型和自动编码器,生成模型预测结果。试验结果表明：(1) GCN-GRU模型能够较为准确地预测瓦斯浓度的总体变化趋势,预测结果与实际数据的拟合度优于历史平均（HA）模型和支持向量回归（SVR）模型。(2) GCN-GRU模型的均方根误差较HA模型、...     

基于优化SSD-MobileNetV2的煤矿井下锚孔检测方法

为进一步提高煤矿井下打锚技术的自动化水平和安全性,提出了煤矿井下钢带锚孔自动检测方法。选取兼具检测精度与速度的SSD算法作为检测网络,以轻量化MobileNetV2为骨干特征提取网络建立了锚孔检测模型。针对煤矿井下钢带锚孔目标小、不易检测的问题,优化了先验框的设置,使得先验框进一步与有效感受野匹配,提高识别精度。该锚孔检测模型对于自建数据集中的锚孔目标识别准确率为94.24%,AP达94.08%,取得了较好的检测效果;检测速度可达84.73帧/s;模型大小仅为14.3 MB。模型经TensorRT优化并部署于NVIDIA Jetson Xavier NX硬件平台上,验证了模型的可应用性。     

基于区域农业旱灾损失预测的混频 GM(1,N)模型研究

区域农业旱灾损失最直观的表现就是粮食产量的损失。针对区域农业旱灾损失系统中高频气象要素与低频社会经济要素共存的特征,提出了灰色混频GM(1,N)模型——MFGM(1,N)模型。该模型以傅里叶级数形式的权重函数来集结高频数据信息,以粮食作物的水分敏感指数与温度敏感指数作为初始权重,并采用模拟退火算法对参数进行优选后,得到模型的权重函数值,从而实现混频数据的直接建模。以安阳市农业旱灾为例,应用MFGM(1,N)模型对旱灾导致的粮食产量损失进行预测,并与经典GM(1,N)模型的预测结果进行对比。结果表明,所提出的MFGM(1,N)模型对粮食产量损失的模拟和预测误差较小,其精度高于经典GM(1,N)模型,验证了模型的合理性和有效性。