本技术涉及一种利用优化多层感知器进行瓦斯爆炸冲击波超压预测的方法。该方法首先收集初始参数,并将这些参数划分为训练集与测试集。随后,利用这些数据集构建多层感知器回归模型,以实现对瓦斯爆炸冲击波超压过程的准确推演。
背景技术
瓦斯爆炸是一种常见的工业事故,其造成的人员伤亡和财产损失常常不可估量,因此,对瓦斯爆炸过程推演方法的研究具有重要实践意义。该方法的研究旨在通过分析事故现场爆炸冲击波的压力演化规律,对可能发生爆炸的位置进行过程推演,以获取准确的爆炸辐射范围,从而为制定科学应急预案提供有效支撑。近些年,随着计算机技术的不断成熟,煤矿智能化发展速度加快,对灾害预测、预警以及推演分析的各类算法被广泛应用于煤矿日常安全生产过程中。以神经网络为代表的众多机器学习算法模型在不断地优化迭代后对数据的适应程度逐渐增强,在关键科学问题当中可解释众多非线性复杂问题。但瓦斯爆炸过程推演方法是一个复杂的过程,现有的机器学习算法模型需通过建立数学模型对瓦斯爆炸过程进行反演,导致计算结果的获取相对较为滞后。随着煤矿智能化的发展,对灾变信息的快速获取和快速分析能力提出更高的要求,如何能够在爆炸发生前后快速推演爆炸过程,为提前预防和灾后快速制定科学有效的救援方案提供辅助决策信息,是亟需深入攻克的一个难题。
实现思路