基于曲线拟合和神经网络的独头巷道CO浓度预测研究

doi:10.11872/j.issn.1005-2518.2024.01.108

摘要/Abstract

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

Abstract:

In order to realize the prediction of CO concentration in the single-head roadway of the mine，based on the monitoring data of CO concentration in the heading face of the single-head roadway in the 1800 transport lane of Laochang tin mine in Yunnan Province.Firstly，the MATLAB curve fitting toolbox was used to fit the curve of the change of CO concentration with time in the single-head roadway，and the mathematical model of the change of CO concentration with time in the single-head roadway of the mine was established.Through the model，the time required for the CO concentration value in the single-head roadway of the mine to reach the CO concentration value required by the safety regulations was obtained.Then，the convolutional neural network time series prediction model（CNN model） and the BP neural network time series prediction model（BP model） were used to predict the CO concentration，and the two evaluation indexes of R²and RMSE were compared.The results show that the BP neural network time series prediction model has the better prediction effect on the CO concentration of the single-head roadway，which provides an accurate and reliable theoretical basis for the monitoring and control of the CO concentration value of the single-head roadway in the mine.

Key words: single-head roadway, MATLAB, curve fitting, convolutional neural network, BP neural network, time series prediction

中图分类号:

TD711.41

周昌微, 谢贤平, 都喜东. 基于曲线拟合和神经网络的独头巷道CO浓度预测研究[J]. 黄金科学技术, 2024, 32(1): 75-81.

Changwei ZHOU, Xianping XIE, Xidong DU. Research on the Prediction of CO Concentration in Single-head Roadway Based on Curve Fitting and Neural Network[J]. Gold Science and Technology, 2024, 32(1): 75-81.

图/表 7

图1

表1

图2

图3

图4

图5

表2

参考文献 0

	Adedipupo O O， Ayodele A A， Abideen L T，et al，2022.Detection of appropriate model for nigeria population growth using Root Mean Square Error （RMSE）［J］.International Journal of Systems Science and Applied Mathematics，7（3）：46-51.
	Cao Y， Ji H， Zhang Y，et al，2018.Study on distribution of CO and concentration prediction in blind gallery after blasting operation［J］.Archives of Mining Sciences，63（2）：283-300.
	Chen Chao， Nie Hexiang， Li Qiong，et al，2022.Prediction model of CO pollutant concentration distribution characteristics in urban underground roads based on traffic wind conditions［J］.China Journal of Highway，35 （5）：161-169.
	Gao Qiuying， Wang Lili， Wang Rongzhong，2021.Research on least squares curve fitting and optimization algorithm［J］.Industrial Control Computer，34 （11）：100-101.
	Ji Hongguang， Cao Yang， Zhang Ge，et al，2014.Prediction of smoke exhaust time during excavation of single-head roadway［J］.Metal Mine，43（5）：142-145.
	Gong Xiaoyan， Sun Yuheng， Liu Zhuangzhuang，et al，2023.Study on airflow intelligent control model of fully mechanized heading face based on BP neuralnet work［J］.Safety and Environmental Engineering，30（30）：138-145.
	Jiang Feng， Han Xingyu， Wang Hui，2023.Prediction of PM2.5 concentration in Yangtze River Economic Belt based on graph neural network［J］.Environmental Science and Te-chnology，46（11）：90-101.
	Li Peng， Duan Shuqing， Wang Kun，et al，2014.Grey model and curve fitting settlement prediction and correlation analysis［J］.Journal of Underground Space and Engineering，10 （1）：109-115.
	Yanhong Lü， Wang Qin，2013.Research on tunnel CO concentration prediction based on neural network information fusion［J］.Information Technology，37 （9）：128-131.
	Piepho H P，2019.An adjusted coefficient of determination （R²） for generalized linear mixed models in one go［J］.Biometrical Journal，61（4）：860-872.
	Shi Xiuzhi， Fan Yuqian， Shang Xueyi，2016.Filling strength prediction based on PCA-BP neural network model［J］.Gold Science and Technology，24（3）：64-69.
	Wang Shibin， Chen Rihui， Liu Shitao，et al，2014.Analysis and prediction of CO concentration change after blasting in heading face ［J］.Science and Technology and Engineering，14 （6）：101-103，107.
	Wu F， Shi S， Lu Y，et al，2023.Analysis of CO source and prediction model of gushing concentration at the return air corner of working face in shallow coal seam mine［J］.Combustion Science and Technology：1-16.
	Wu Min， Pan Chunrong，2023.Application of one-dimensional convolutional neural network in magnetite separation［J / OL］.Nonferrous Metals（Mineral Processing Section）： 1-6［2023-07-28 ］.
	Wu Y， Zhang Y， Zhou C，et al，2021.Study of CO sources and early-warning concentration of spontaneous combustion at air return corner in fully mechanized mining faces［J］.Combustion Science and Technology，193（9）：1587-1604.
	Xie Raoqing， Chen Jianhong， Xiao Wenfeng，2022.Prediction method of stope stability based on NPCA-GA-BP neural network［J］.Gold Science and Technology，30（2）：272-281.
	Yang Tingting， Gao Qian， Li Haoqian，et al，2022.Fault warning of coal mill based on convolutional neural network-long short-term memory neural network［J］.Thermal Power Generation，51（10）：122-129.
	Zeng Junhui， Li Xibing，2019.Prediction of mine subsidence area based on chaotic time series analysis method ［J］.Gold Science and Technology，27 （2）：249-256.
	Zhai Xiaowei， Ma Lingjun， Deng Jun，2011.Research and application of CO concentration prediction model in upper corner of working face［J］.Coal Science and Technology，39 （11）：59-62.
	Zhang Ge， Cao Yang， Ji Hongguang，et al，2014.Model test study on the emission law and concentration prediction of gun smoke in single-head roadway［J］.Modern Tunnel Te-chnology，51（4）：150-154.
	Zhang Zhigang， Xu Ying， Zhang Jinqiu，et al，2022.Prediction model of CO gas concentration in highway tunnel based on random forest［J］.Science and Technology and Engineering，22 （26）：11729-11735.
	Zhou Kaihong， Ran Hongmei， Jiang Qinggu，et al，2023.Nonlinear error compensation of digital dial gauge based on improved BP neural network［J］.Modern Manufacturing Engineering，（7 ）：117-122.
	陈超，聂鹤翔，李琼，等，2022.基于交通风条件多点进出城市地下道路CO污染物浓度分布特性预测模型［J］.中国公路学报，35（5）：161-169.
	高秋英，王丽丽，王荣忠，2021.最小二乘法曲线拟合及优化算法研究［J］.工业控制计算机，34（11）：100-101.
	纪洪广，曹杨，张舸，等，2014.独头巷道掘进过程中排烟时间预测［J］.金属矿山，43（5）：142-145.
	龚晓燕，孙育恒，刘壮壮，等，2023.基于BP神经网络的煤矿综掘面风流智能调控模型研究［J］.安全与环境工程，30（30）：138-145.
	蒋锋，韩兴钰，王辉，2023.基于图神经网络的长江流域经济带PM2.5浓度预测［J］.环境科学与技术，46（11）：90-101.
	李篷，段淑清，王堃，等，2014.灰色模型与曲线拟合沉降预测及相关性分析［J］.地下空间与工程学报，10（1）：109-115.
	吕燕红，王芹，2013.基于神经网络信息融合隧道CO浓度预测研究［J］.信息技术，37（9）：128-131.
	史秀志，范玉乾，尚雪义，2016.基于PCA-BP神经网络模型的充填体强度预测［J］.黄金科学技术，24（3）：64-69.
	王时彬，陈日辉，刘世涛，等，2014.独头掘进面爆破后CO浓度变化分析及预测［J］.科学技术与工程，14（6）：101-103，107.
	吴敏，潘春荣，2023.一维卷积神经网络在磁铁矿分选中的应用［J/OL］.有色金属（选矿部分）：1-6［2023-07-28］.
	谢饶青，陈建宏，肖文丰，2022.基于NPCA-GA-BP神经网络的采场稳定性预测方法［J］.黄金科学技术，30（2）：272-281.
	杨婷婷，高乾，李浩千，等，2022.基于卷积神经网络—长短时记忆神经网络的磨煤机故障预警［J］.热力发电，51（10）：122-129.
	曾俊晖，李夕兵，2019.基于混沌时间序列分析方法的矿山塌陷区范围预测［J］.黄金科学技术，27（2）：249-256.
	翟小伟，马灵军，邓军，2011.工作面上隅角CO浓度预测模型的研究与应用［J］.煤炭科学技术，39（11）：59-62.
	张舸，曹杨，纪洪广，等，2014.独头巷道中炮烟散发规律及浓度预测模型试验研究［J］.现代隧道技术，51（4）：150-154.
	张志刚，徐莹，张锦秋，等，2022.基于随机森林的公路隧道CO气体浓度预测模型［J］.科学技术与工程，22（26）：11729-11735.
	周凯红，冉红梅，蒋青谷，等，2023.基于改进BP神经网络的数显千分表非线性误差补偿［J］.现代制造工程，（7）：117-122.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

时间/s	CO浓度/（×10^-6）	时间/s	CO浓度/（×10^-6）	时间/s	CO浓度/（×10^-6）	时间/s	CO浓度/（×10^-6）	时间/s	CO浓度/（×10^-6）
0	904	740	192	1 480	135	2 220	92	2 960	39
20	886	760	195	1 500	135	2 240	90	2 980	37
40	877	780	203	1 520	135	2 260	92	3 000	39
60	884	800	205	1 540	135	2 280	91	3 020	39
80	888	820	211	1 560	135	2 300	90	3 040	38
100	743	840	193	1 580	133	2 320	90	3 060	40
120	741	860	197	1 600	127	2 340	92	3 080	37
140	730	880	195	1 620	126	2 360	86	3 100	38
160	739	900	196	1 640	126	2 380	83	3 120	38
180	743	920	196	1 660	126	2 400	84	3 140	40
200	720	940	196	1 680	126	2 420	84	3 160	40
220	535	960	184	1 700	125	2 440	82	3 180	39
240	516	980	180	1 720	121	2 460	84	3 200	39
260	501	1 000	179	1 740	120	2 480	78	3 220	41
280	489	1 020	178	1 760	119	2 500	76	3 240	43
300	471	1 040	179	1 780	120	2 520	75	3 260	42
320	462	1 060	178	1 800	118	2 540	76	3 280	43
340	283	1 080	179	1 820	118	2 560	75	3 300	42
360	279	1 100	163	1 840	118	2 580	75	3 320	43
380	263	1 120	163	1 860	114	2 600	75	3 340	45
400	269	1 140	164	1 880	114	2 620	68	3 360	48
420	270	1 160	164	1 900	113	2 640	68	3 380	47
440	274	1 180	164	1 920	112	2 660	67	3 400	46
460	188	1 200	164	1 940	112	2 680	69	3 420	48
480	177	1 220	151	1 960	111	2 700	68	3 440	49
500	194	1 240	151	1 980	106	2 720	67	3 460	49
520	200	1 260	151	2 000	107	2 740	56	3 480	51
540	215	1 280	151	2 020	106	2 760	53	3 500	52
560	223	1 300	152	2 040	106	2 780	52	3 520	53
580	233	1 320	152	2 060	107	2 800	56	3 540	52
600	174	1 340	143	2 080	107	2 820	50	3 560	51
620	187	1 360	143	2 100	105	2 840	48	3 580	53
640	191	1 380	143	2 120	104	2 860	42	3 600	38
660	204	1 400	143	2 140	102	2 880	38
680	210	1 420	143	2 160	101	2 900	36
700	220	1 440	143	2 180	101	2 920	37
720	184	1 460	137	2 200	100	2 940	38

模型类型	R²	RMSE
CNN神经网络模型	0.9056	4.4643
BP神经网络模型	0.9579	2.9821

[1]	张帅,赵鑫,彭祥玉,王宇斌,桂婉婷,田家怡. 基于双隐含层BP神经网络的某金矿回收率预测研究[J]. 黄金科学技术, 2024, 32(1): 170-178.
[2]	方博扬,赵国彦,马举,陈立强,简筝. Adaboost集成学习优化的巷道围岩松动圈预测研究[J]. 黄金科学技术, 2023, 31(3): 497-506.
[3]	谢学斌, 刘涛, 张欢. 基于改进CEEMDAN-DCNN的声发射源识别分类方法[J]. 黄金科学技术, 2022, 30(2): 209-221.
[4]	谢饶青, 陈建宏, 肖文丰. 基于NPCA-GA-BP神经网络的采场稳定性预测方法[J]. 黄金科学技术, 2022, 30(2): 272-281.
[5]	李泽佑, 黄锐, 赵淑琪, 沈学, 吴娥. 高海拔矿山独头巷道通风降尘方法优选[J]. 黄金科学技术, 2020, 28(5): 743-752.
[6]	卜斤革,陈建宏. 基于粒子群算法优化BP神经网络的溶浸开采浸出率预测[J]. 黄金科学技术, 2020, 28(1): 82-89.
[7]	肖文丰,陈建宏,陈毅,王喜梅. 基于神经网络与遗传算法的多目标充填料浆配比优化[J]. 黄金科学技术, 2019, 27(4): 581-588.
[8]	随晓丹,罗周全,秦亚光,王玉乐,彭东. 基于小波分解的尾矿坝浸润线预测方法研究[J]. 黄金科学技术, 2019, 27(1): 137-143.
[9]	毕林，谢伟，崔君. 基于卷积神经网络的矿工安全帽佩戴识别研究[J]. 黄金科学技术, 2017, 25(4): 73-80.
[10]	刘晓明，赵君杰，彭平安，毕林，代碧波. 有效微震信号自动识别技术研究[J]. 黄金科学技术, 2017, 25(3): 84-91.
[11]	邓高，杨珊. 基于组合预测与变精度粗糙模糊集的采空区稳定性评价[J]. 黄金科学技术, 2017, 25(3): 98-107.
[12]	史秀志，范玉乾，尚雪义. 基于PCA-BP神经网络模型的充填体强度预测[J]. 黄金科学技术, 2016, 24(3): 64-69.
[13]	过江，张碧肖. 基于PCA与BP神经网络的充填管道失效风险评估[J]. 黄金科学技术, 2015, 23(5): 66-71.
[14]	张玲玲，李国清*，姜光成，李威，胡乃联. 基于BP神经网络的地质缺失数据处理方法[J]. 黄金科学技术, 2015, 23(5): 53-59.
[15]	陈建宏，朱鼎耀，陈轶俊，叶阿明，邱文. 基于PCA-BP神经网络的尾矿库坝体稳定性分析[J]. 黄金科学技术, 2015, 23(5): 47-52.