综采工作面瓦斯爆炸风险评估

针对瓦斯涌出预测及风险评估过程时使用方法单一的问题，文章提出一种基于LSTM的综采工作面瓦斯涌出预测及风险评估方法。首先采用拉依达准则和拉格朗日插值法对原始的瓦斯浓度数据进行异常值和缺失值处理，其次选取均方误差作为模型的评价指标，利用适应性矩估计优化算法通过一阶偏差、二阶偏差校正对模型中的参数进行优化，最终通过训练建立LSTM的煤矿工作面瓦斯浓度预测模型。结果表明：以某矿综采工作面监测数据为例，利用“3σ”准则实现瓦斯爆炸风险等级划分，分别采用SVM支持向量机、BP神经网络和LSTM神经网络对瓦斯爆炸风险等级进行评估，通过对比3种模型的训练误差和预测值发现LSTM神经网络的风险评估误差较小，预测值准确度更高，具有更好的实用价值。