一种基于深度学习与物理约束的煤自燃预警方法

本发明公开了一种基于深度学习与物理约束的煤自燃预警方法，获取煤炭包括组成成分数据、物理结构数据和升温速度的静态数据和包含多种气体浓度和当前煤炭的温度的时序气体数据；将处理后的静态数据输入和时序气体数据分别输入到深度多层感知机模块和可学习位置缩放因子的Transformer编码器模块中，得到第一静态特征和第一动态特征；将上述特征输入到门控注意力融合模块，得到融合后的特征，并预测煤炭发生自燃时对应的临界温度和热解温度；煤自燃预警模型在训练阶段，总损失包括物理约束损失和平均绝对误差损失，物理约束损失包括温度顺序约束损失和质量守恒约束损失；经临界温度、热解温度、煤炭的温度和预设阈值获取温度范围、预警等级和化学演变阶段。