[发明专利]构建瓦斯浓度预测模型的方法、装置、系统及存储介质

权利要求书

1.一种构建瓦斯浓度预测模型的方法，其特征在于，所述方法包括：

获取采煤工作面的预设位置的瓦斯浓度，以及采煤工作面内与瓦斯浓度相关的因素；

利用所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，获取最优神经网络模型，作为瓦斯浓度预测模型。

2.根据权利要求1所述的方法，其特征在于，所述采煤工作面内与瓦斯浓度相关的因素至少包括如下中的一种：风速、风压、一氧化碳、温度、割煤速度、瓦斯抽放量或者瓦斯抽出压力。

3.根据权利要求1所述的方法，其特征在于，所述预设位置具体为：上隅角、工作面进风顺槽和工作面回风顺槽。

4.根据权利要求1所述的方法，其特征在于，所述利用所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，具体包括：

对所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素进行预处理，获取预处理后的数据；

利用预处理后的数据对预构建的神经网络模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述对所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素进行预处理，具体包括：

对所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素进行清洗，获取清洗后的数据；

利用前值法对所述清洗后的数据进行补全；

将补全后的数据进行格式转换，获取预处理后的数据。

6.根据权利要求4所述的方法，其特征在于，所述利用预处理后的数据对预构建的神经网络模型进行训练，具体包括：

按照预设规则将所述预处理后的数据进行划分，获取训练集和测试集；

利用所述训练集对所述预构建的神经网络模型进行训练，获取经过训练后的神经网络模型；

利用所述测试集对所述经过训练后的神经网络模型进行测试，确定测试结果；

并验证所述测试结果的误差，当所述误差小于预设阈值时，确定所述经过训练后的神经网络模型为最优神经网络模型，作为所述瓦斯浓度预测模型。

7.根据权利要求1-6任一项所述的方法，其特征在于，瓦斯浓度预测模型为长短期记忆网络LSTM模型。

8.一种构建瓦斯浓度预测模型的装置，其特征在于，所述装置包括：

获取单元，用于获取采煤工作面的预设位置的瓦斯浓度，以及采煤工作面内与瓦斯浓度相关的因素；

处理单元，用于利用所述预设位置的瓦斯浓度和所述与瓦斯浓度相关的因素对预构建的神经网络模型进行训练，获取最优神经网络模型，作为瓦斯浓度预测模型。

9.一种构建瓦斯浓度预测模型的系统，其特征在于，所述系统包括：处理器和存储器；

所述存储器用于存储一个或多个程序指令；

所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-6任一项所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种构建瓦斯浓度预测模型的系统执行如权利要求1-6任一项所述的方法。