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！

龙图腾网获悉西安科技大学申请的专利一种煤自燃危险性预测用采空区CO浓度预测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：CN118191233B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202410301941.2，技术领域涉及：G01N33/00；该发明授权一种煤自燃危险性预测用采空区CO浓度预测方法是由罗振敏;张利冬;刘斌;苏彬;李睿康;王涛设计研发完成，并于2024-03-17向国家知识产权局提交的专利申请。

本一种煤自燃危险性预测用采空区CO浓度预测方法在说明书摘要公布了：本发明公开了一种煤自燃危险性预测用采空区CO浓度预测方法，包括步骤：一、获取综放工作面不同距离的采空区气体体积分数数据，并划分为训练集、验证集和测试集；二、对训练集、验证集和测试集数据进行数据分布检验和数据归一化的预处理；三、构建基于RNN神经网络的煤自燃CO预测模型；四、构建基于LSTM长短期记忆网络的煤自燃CO预测模型；五、构建基于GRU门控循环单元的煤自燃CO预测模型；六、分别对三种煤自燃CO预测模型进行评估，对比预测精度；七、实时采集采空区的CO气体体积分数数据，并选用三种煤自燃CO预测模型的一种或多种，对采空区CO浓度进行预测。本发明实现了CO体积分数连续动态趋势预测，预测精度更高。

本发明授权一种煤自燃危险性预测用采空区CO浓度预测方法在权利要求书中公布了：1.一种煤自燃危险性预测用采空区CO浓度预测方法，其特征在于，该方法包括以下步骤： 步骤一、获取综放工作面不同距离的采空区的CO、O2、CO2、CH4和C2H6气体体积分数数据，并将多组数据划分为训练集数据、验证集数据和测试集数据； 步骤二、对训练集数据、验证集数据和测试集数据均进行数据分布检验和数据归一化的预处理； 步骤三、构建基于RNN神经网络的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于RNN神经网络的煤自燃CO预测模型，得到训练好的基于RNN神经网络的煤自燃CO预测模型；其中，L为测量点与工作面之间的距离； 步骤四、构建基于LSTM长短期记忆网络的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于LSTM长短期记忆网络的煤自燃CO预测模型，得到训练好的基于LSTM长短期记忆网络的煤自燃CO预测模型； 步骤五、构建基于GRU门控循环单元的煤自燃CO预测模型，选择O2、CO2、CH4和C2H6的体积分数以及L作为输入变量，以CO体积分数为模型输出目标，采用预处理后的训练集数据、验证集数据和测试集数据训练基于GRU门控循环单元的煤自燃CO预测模型，得到训练好的基于GRU门控循环单元的煤自燃CO预测模型； 步骤六、分别对基于RNN神经网络的煤自燃CO预测模型、基于LSTM长短期记忆网络的煤自燃CO预测模型和基于GRU门控循环单元的煤自燃CO预测模型进行评估，对比三种煤自燃CO预测模型的预测精度； 步骤七、实时采集采空区的CO气体体积分数数据，并选用基于RNN神经网络的煤自燃CO预测模型、基于LSTM长短期记忆网络的煤自燃CO预测模型和基于GRU门控循环单元的煤自燃CO预测模型三种煤自燃CO预测模型的一种或多种预测模块，对采空区CO浓度进行预测。

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西安科技大学，其通讯地址为：710054 陕西省西安市雁塔中路58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”。