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！

龙图腾网获悉中国矿业大学(北京)申请的专利一种煤自燃潜伏期CO浓度与煤温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：CN120724045B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510840930.6，技术领域涉及：G06F18/10；该发明授权一种煤自燃潜伏期CO浓度与煤温预测方法是由谭波;隋龙琨;曹卫星;杨宽;左云飞;李天泽;汤琪;高赛逸设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种煤自燃潜伏期CO浓度与煤温预测方法在说明书摘要公布了：本发明涉及煤自燃监测预警技术领域，尤其涉及一种煤自燃潜伏期CO浓度与煤温预测方法，旨在解决煤自燃潜伏期预测中的精确度不足和预测困难等难题，通过改进的POA算法引入动态收敛系数、记忆池，机制和混合搜索策略，有效加速了模型的收敛进程，减少了推理时间，并增强了模型的鲁棒性，本发明通过与LSTM神经网络的结合，优化了模型的超参数组合，提高了预测精度，能够为煤自燃灾害的精准预测提供科学依据。

本发明授权一种煤自燃潜伏期CO浓度与煤温预测方法在权利要求书中公布了：1.一种煤自燃潜伏期CO浓度与煤温预测方法，其特征在于：包括如下步骤： S1：将矿井采空区煤自燃历史数据导入到预测体系中，构建CO浓度、煤温与预设指标时间序列数据集； S2：对数据集进行数据预处理，数据预处理包括缺失值填充和数据归一化，用于提高模型精度； S3：对预设指标使用斯皮尔曼相关系数方法确定指标之间的相关性，根据相关性系数大小来进行特征选择； S4：对模型的特征选择指标进行特征重要性分析，采用Shapley算法计算特征的Shapley值来获得不同的指标； S5：完成数据预处理的数据集按照8:1:1的比例划分为训练集、验证集和测试集，构建LSTM神经网络模型，对模型参数进行初始化； S6：利用改进POA算法优化LSTM模型参数，当改进的POA-LSTM寻优模型达到预设条件时，选择超参数配置； 其中，步骤S6包括： S61：运行POA算法，计算目标函数值随机生成猎物，在搜索阶段更新位置，捕猎阶段，更新位置保存最优解，达到迭代数； 其中，包括种群初始化，用于生成初始种群，随机值rand确保鹈鹕的初始位置在解的上下界之间均匀分布，覆盖整个解空间； ； 其中，是第个鹈鹕的第维度上的位置；rand是一个随机数，范围为[0,1]；表示在第维时，问题的上边界，为下边界；为鹈鹕种群数量；为问题的维度； S62：POA中鹈鹕种群用矩阵化表示，用来记录所有鹈鹕的当前解，以便后续迭代更新和优化： ； 其中，是鹈鹕种群的矩阵表示； S63：目标函数值向量的形式为，用于衡量每个鹈鹕的解的质量，每个鹈鹕个体代表一组LSTM参数，LSTM参数通过优化算法寻求最优解； ； 其中，是第个鹈鹕的目标函数值，是整个鹈鹕种群的目标函数值向量； S64：搜索阶段，即鹈鹕接近猎物的方式被精确地模型化； S65：捕猎阶段； S66：改进POA算法将动态收敛系数、记忆池机制和混合搜索策略同时引入到鹈鹕优化算法；其中，动态收敛系数用于实现从初期的全局广泛搜索到后期的精细局部开发的平滑过渡；动态收敛系数的定义： 式中，是当前迭代次数；是总迭代次数；是控制收敛速度的参数，取值范围为[0.05,0.2] 混合搜索策略用于平衡全局搜索与局部开发，采用如下公式： 式中，差分缩放因子，取值范围为[0.5,1]；、为从记忆池中随机选取的两个不同个体； 其中，结合动态收敛系数和记忆池机制，搜索阶段的改进公式如下： ； 式中，为是取值范围为[1,2]中的整数值，为猎物的目标函数值，为记忆池中随机选择的解；为记忆池贡献权重，控制记忆池的作用强度，取值范围[0.1,0.5]； 其中，需引入差分进化策略，对捕猎阶段的个体进行更新，更新公式如下： ； 式中，为[0,2]之间的随机整数，为的领域半径，和是记忆池中随机选择的两个解； S7：根据输出的最优参数组合构建LSTM预测CO浓度和煤温模型，并对数据集重新训练、测试； S8：依次训练和建立LSTM、WOA-LSTM、PSO-LSTM、POA-LSTM和IPOA-LSTM算法，通过对比评价指标，判断预测结果对比预测精度，验证IPOA-LSTM模型的优势性。

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中国矿业大学(北京)，其通讯地址为：100083 北京市海淀区学院路丁11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”。

以上内容由龙图腾AI智能生成。