龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国矿业大学
摘要：本发明提供一种一种基于卡尔曼滤波的采空区煤自燃CO浓度滤波及预测方法，通过获取[0，M]天的CO测量数据，将[0，N1]且N1＜M天的CO测量数据传输至限幅自回归‑卡尔曼滤波模型中，并获取[0，N1]天的CO浓度滤波值作为CO浓度最优估计值；构建长短期记忆神经网络‑卡尔曼滤波模型；对[0，M]天的CO测量数据完成滤波，对应得到[0，M]天CO浓度滤波值；通过循环神经网络模型RNN进行训练，并通过迭代的方式对后m天的CO浓度进行预测。该方法能够有效滤除井下非煤自燃所引起的从采空区上隅角CO浓度异变的问题，并能够随着采空区上隅角CO数据的输入，实时更新模型，提高模型的准确性和适用性。
主权项：1.一种基于卡尔曼滤波的采空区煤自燃CO浓度滤波及预测方法，其特征在于：包括以下步骤，S1、获取[0，M]天的CO测量数据，进行归一化处理后，将[0，N1]且N1＜M天的CO测量数据传输至限幅自回归-卡尔曼滤波模型即限幅AR-KF模型中，并获取[0，N1]天的CO浓度滤波值作为CO浓度最优估计值；S2、将步骤S1得到的CO浓度最优估计值划分为训练集、验证集和测试集，并令i＝1；S3、构建长短期记忆神经网络-卡尔曼滤波模型即LSTM-KF模型包括LSTM模型和KF模型，LSTM模型用于由输入的CO浓度计算估计值获得后一天的CO浓度计算估计值，KF模型进行滤波后得到CO浓度滤波值；S4、对LSTM-KF模型中LSTM模型进行训练，得到训练后的LSTM模型记作并由训练后的LSTM模型计算第N1+i天的CO浓度计算估计值引入固定值z并计算第N1+i天的先验误差协方差矩阵及卡尔曼增益矩阵并结合第N1+i天的CO浓度测量值计算第N1+i天的CO浓度滤波值并更新后验协方差矩阵S5、在N1+i＜M时，使i＝i+1后，返回步骤S4；否则，对[0，M]天的CO测量数据完成滤波，对应得到[0，M]天CO浓度滤波值；S6、将得到的[0，M]天CO浓度滤波值进行数据集划分为滤波训练集、滤波验证集和滤波测试集，通过循环神经网络模型RNN进行训练，并通过迭代的方式对后m天的CO浓度进行预测。
全文数据：
权利要求：
百度查询： 中国矿业大学 基于卡尔曼滤波的采空区煤自燃CO浓度滤波及预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号