采矿与安全工程学报 ›› 2025, Vol. 42 ›› Issue (5): 1204-1213.doi: 10.13545/j.cnki.jmse.2024.0629
尚晓吉1,2,3,4,杨忠原3,张志镇1,3,杨维好1,3,翟成4
摘要： 针对矿井瓦斯爆炸源反演问题,分别构建了一维循环神经网络(RNN)和二维卷积神经网络(CNN)深度学习模型,对不同测点位置及超压数据下的爆炸源强度和位置进行反演研究。通过分析瓦斯爆炸超压随距离的衰减规律,利用一维RNN模型处理时间序列数据的优势,实现了瓦斯爆炸源强度和位置的反演。将研究扩展到二维空间,进一步设计了可同步处理测点位置与最大超压数据的二维CNN模型,针对已有瓦斯爆炸数据进行了反演。研究结果表明：所构建的深度学习模型在测试工况上表现出显著的反演准确性，测试工况的均方误差值为0.000 3,决定系数(R2)值为0.883 1,误差显著低于基线模型,且反演结果与真实工况结果高度一致。研究成果为巷道瓦斯爆炸事故预防与控制提供了有效的技术支撑。
中图分类号:
