基于曲线拟合和神经网络的独头巷道CO浓度预测研究

摘要

为了准确预测矿山独头巷道CO浓度，基于云南老厂锡矿1800运输巷甩车场独头巷道掘进工作面CO浓度监测数据，运用MATLAB曲线拟合工具箱对该独头巷道中CO浓度随时间的变化情况进行曲线拟合，建立了该矿山独头巷道中CO浓度随时间变化的数学模型。通过该模型得到该独头巷道中CO浓度值达到安全规程要求所需的时间。然后，运用卷积神经网络时间序列预测模型（CNN模型）和BP神经网络时间序列预测模型（BP模型）对独头巷道CO浓度进行预测，并比较评价指标R2和RMSE。结果表明：BP神经网络时间序列预测模型对该独头巷道CO浓度的预测效果更好，为该矿山独头巷道CO浓度值的监测和控制提供了准确可靠的理论依据。

关键词

独头巷道 / MATLAB / 曲线拟合 / 卷积神经网络 / BP神经网络 / 时间序列预测

基金资助

云南省基础研究计划项目“堆浸体系中氧化铜矿散体孔裂隙双重介质演化及渗流响应机制研究”（编号：202101BE070001-039）; 云南省教育厅科学研究基金项目“深部含水页岩储层CO2地质封存机制及其吸附特性响应规律研究”（编号：2022J0055）联合资助