摘要
本发明公开了一种基于数值和图像融合的煤自燃温度预测方法,在同一时刻下,采集煤体自燃时产生的气体数据和煤体自燃时的红外热像图;并通过时序卷积模型和门控循环模型对预处理后的气体数据进行特征提取,得到时序特征向量;通过滑动窗口注意力模型对预处理后的红外热像图进行特征提取,得到表示特征向量;将时序特征向量和表示特征向量输入到特征融合模型中,得到各自对应的门控增益向量;并基于时序特征向量、表示特征向量和门控增益向量进行特征融合,得到融合特征;将融合特征向量输入到回归预测网络中,得到煤体在自燃时的温度。本发明可以快速且精确的对煤自燃时的温度进行预测。
技术关键词
滑动窗口
红外热像图
时序
温度预测方法
注意力模型
卷积模型
融合特征
图像块
多层感知机
模块
气体
数值
数据
序列
分辨率
因子
通道
网络
系统为您推荐了相关专利信息
神经网络故障预测
模糊综合评价方法
变压器
状态评估方法
参数
预测控制模型
状态观测模型
损耗特征
双向注意力机制
采集用电设备
煤层瓦斯压力
参数
异常数据
传感器
递归滤波算法
负荷预测系统
功率
负荷特征
双卷积神经网络
时序特征
多源异构数据
动态识别方法
矿山
卷积神经网络模型
动态识别系统