摘要
本发明提供了一种煤矿CO浓度预测方法和煤矿CO浓度突变原因分类方法,可利用LSTM模型进行煤矿CO浓度预测,能充分利用先前时段内时序性的数据之间的关联性预测后续时段内的CO浓度,提高了CO浓度预测的准确度和精度,从而为实际煤矿安全生产提供了可靠指导;可针对CO浓度突变利用XGBoost模型进行煤矿CO浓度突变原因分类,能充分利用特征之间的关联性提供煤矿CO浓度突变原因,为煤矿安全生产和管理提供有力的技术支撑,更方便决策者着重预防危险发生以及时进行相应决策从而减少人员的伤亡。
技术关键词
XGBoost模型
浓度预测方法
LSTM模型
分类方法
样本
编码
标签
数据中心
随机森林模型
预防危险
标识
序列
参数
时序
决策
精度
系统为您推荐了相关专利信息
图像篡改检测方法
图像分类模型
特征融合网络
篡改区域定位
联合损失函数
自动分类方法
语义特征
图像特征提取
Softmax函数
自动分类系统