买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉辽宁工程技术大学申请的专利一种基于现场实时数据驱动的煤与瓦斯突出预警方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115977736B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111614384.2，技术领域涉及：E21F17/18；该发明授权一种基于现场实时数据驱动的煤与瓦斯突出预警方法是由王翀;胡海永;魏立科设计研发完成，并于2021-12-27向国家知识产权局提交的专利申请。

本一种基于现场实时数据驱动的煤与瓦斯突出预警方法在说明书摘要公布了：本发明属于煤矿安全生产示警技术领域，公开了一种基于现场实时数据驱动的煤与瓦斯突出预警方法。通过在掘进工作面安装的瓦斯浓度传感器和风速传感器，持续地获得瓦斯和风速环境实时数据，计算出瓦斯涌出量；对瓦斯涌出量进行深度分析，获取基于瓦斯浓度动态变化和基于瓦斯涌出量预测评价指标逆向识别相结合的煤与瓦斯突出预警指标，建立移动平均线、偏离率、离散率、波动率、均方根误差和平均绝对百分比误差预警指标，通过层次分析法确定各项指标权重，构建模糊综合预警模型，计算出各指标差异性综合指数，进行煤与瓦斯突出预警。本发明解决了现有方法数据实时获取困难，无法有效指导现场决策。

本发明授权一种基于现场实时数据驱动的煤与瓦斯突出预警方法在权利要求书中公布了：1.一种基于现场实时数据驱动的煤与瓦斯突出预警方法，其特征在于，所述基于现场实时数据驱动的煤与瓦斯突出预警方法通过在掘进工作面安装的瓦斯浓度传感器和风速传感器，持续地获得瓦斯和风速环境实时数据，计算出瓦斯涌出量； 对瓦斯涌出量进行深度分析，获取基于瓦斯浓度动态变化和基于瓦斯涌出量预测评价指标逆向识别相结合的煤与瓦斯突出预警指标，建立移动平均线、偏离率、离散率、波动率、均方根误差和平均绝对百分比误差预警指标； 通过层次分析法确定各项指标权重，构建模糊综合预警模型，计算出各指标差异性综合指数，进行煤与瓦斯突出预警； 所述基于现场实时数据驱动的煤与瓦斯突出预警方法具体包括： 步骤一，通过持续采集和监测掘进工作面回风巷的瓦斯浓度和风速数据，结合回风巷道横截面积，计算得出瓦斯涌出量； 步骤二，对取得的瓦斯涌出量进行五点三次平滑处理，去除干扰数据； 步骤三，采用统计学方法提取瓦斯涌出量变化值的移动平均线、偏离率、离散率、波动率作为特征指标； 步骤四，将煤矿正常掘进生产2个月的掘进工作面甲烷传感器和风速传感器数据，根据公式计算得到瓦斯涌出量时序数据，其中，Qs为巷道瓦斯涌出量，m3min；C为巷道瓦斯浓度，%；vs为巷道风速，ms；S为测定点巷道横截面积，m2，将计算得到的瓦斯涌出量时序数据输入基于双向长短时记忆循环神经网络模型中进行训练调优，使模型训练误差达到最小，建立正常生产情况下的数据模型；所述数据模型为误差最小的双向长短时记忆循环神经网络模型；经过训练建立误差最小的双向长短时记忆循环神经网络模型参数设定如下： 一次批量的数据量batch_size=32； 学习率learning_ratio=1e-4； 数据执行的次数epoch=20； 数据分割比例split_data_ratio=0.833； 多步的数量lag_num=16； 输入值的维度input_dim_size=16； 预测输出值维度output_dim_size=1； 隐藏层维度hidden_dim_size=64； LSTM层数lstm_layer_nums=1； 步骤五，将实时采集计算所得的瓦斯涌出量数据作为测试数据集，输入到步骤四的数据模型中，得到瓦斯涌出量预测值，利用预测值与真实值的差异计算损失值，将损失值的均方根误差和平均绝对百分比误差作为煤与瓦斯突出的预警指标； 步骤六，根据层次分析法，将各指标按照在文献出现次数进行两两比较，aij为要素i与要素j重要性比较结果，采用1-9标度法构造矩阵，称为判断矩阵；计算最大特征值λmax和指标权重向量W，判断矩阵一致性检验，确定各项指标权重；根据确定隶属函数的原则，通过实验数据对各类指标进行隶属度函数确定；利用模糊综合评判模型，建立模糊综合评判集，将计算得到的评判集值表示各指标差异性综合指数； 步骤七，利用各指标差异性综合指数对煤矿正常生产时期瓦斯涌出量进行数据分析，将计算结果最大值乘以安全系数，确定差异性阈值；利用该阈值对计算出的各指标差异性综合指数序列进行判识，确定煤与瓦斯突出风险程度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人辽宁工程技术大学，其通讯地址为：123000 辽宁省阜新市中华路47号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。