CN110847974A - 一种基于神经网络的煤矿突水灾害预警的辅助方法 - Google Patents
一种基于神经网络的煤矿突水灾害预警的辅助方法 Download PDFInfo
- Publication number
- CN110847974A CN110847974A CN201911238444.8A CN201911238444A CN110847974A CN 110847974 A CN110847974 A CN 110847974A CN 201911238444 A CN201911238444 A CN 201911238444A CN 110847974 A CN110847974 A CN 110847974A
- Authority
- CN
- China
- Prior art keywords
- water inrush
- early warning
- coal mine
- neural network
- grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000003245 coal Substances 0.000 title claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 239000000126 substance Substances 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 abstract 1
- 239000000758 substrate Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000853 adhesive Substances 0.000 description 4
- 230000001070 adhesive effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- KXGFMDJXCMQABM-UHFFFAOYSA-N 2-methoxy-6-methylphenol Chemical compound [CH]OC1=CC=CC([CH])=C1O KXGFMDJXCMQABM-UHFFFAOYSA-N 0.000 description 2
- 239000002313 adhesive film Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000003365 glass fiber Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 229920001568 phenolic resin Polymers 0.000 description 2
- 239000005011 phenolic resin Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000004642 Polyimide Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000005255 carburizing Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009920 food preservation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 230000005298 paramagnetic effect Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 229920001225 polyester resin Polymers 0.000 description 1
- 239000004645 polyester resin Substances 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开的属于煤矿突水预警技术领域，具体为一种基于神经网络的煤矿突水灾害预警的辅助方法，该方法的具体步骤如下：步骤一：寻找监测点，布置监测设备；步骤二：对监测设备进行联动，并进行程序设定；步骤三：将设定的程序输出到控制器中，通过控制器与主预警设备联动；步骤四：启动设备，进行突水预警，并根据监测的突水等级与突水位置数量进行设定值对比；步骤五：根据对比信息选择报警等级，通过对多个监测点进行实时的监测联动，并根据联动信息，与设定值进行比较，得出预警等级，根据预警等级进不同方式的报警，可以有效的防止多个小范围的突水灾害同时发生且不会触发预警系统的情况发生。
Description
技术领域
本发明涉及煤矿突水预警技术领域，具体为一种基于神经网络的煤矿突水灾害预警的辅助方法。
背景技术
煤矿突水预警，主要是通过研究突水机理，并对以往发生的突水事故进行分析，归纳出诱发突水事故的危险因素和主要环节，分析出最容易引起水害的诱因，确定一套适合解决突水问题的指标体系，并对突水事故的风险采用一种深度学习方法进行识别、分析、评价、判断，依据历史突水事故的数据确定突水危险的等级。
已有突水预测方法包括反向传播神经网络(BPNN)、支持向量机(SVM)等。BPNN通过在网络结构中反向传播误差的方法修正权重矩阵，从而达到学习突水数据特征，预测突水情况；SVM通过将突水数据映射到高位空间中，构造分类超平面，学习特征，预测突水情况，其能够较好的解决小样本、高维数、非线性问题，并且可以有效避开局部极小点，速度快且准确率高。
现有的预测方法中，往往都是对突水灾害进行直接的判断，而判断的内容往往需要到一定的预警等级才会进行预警，造成煤矿在产生过多的突水灾害且突水等级达不到预警等级时，并不能够及时的进行预警，造成预警效果变差且容易出现安全事故。
发明内容
本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实施方式。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述和/或现有煤矿突水灾害预警方法中存在的问题，提出了本发明。
因此，本发明的目的是提供一种基于神经网络的煤矿突水灾害预警的辅助方法，能够针对达不到预警等级的小范围突水灾害进行预警，并进行等级制定，防止多个小范围的突水灾害同时发生且不会触发预警系统的情况发生。
为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：
一种基于神经网络的煤矿突水灾害预警的辅助方法，该方法的具体步骤如下：
步骤一：寻找监测点，布置监测设备；
步骤二：对监测设备进行联动，并进行程序设定；
步骤三：将设定的程序输出到控制器中，通过控制器与主预警设备联动；
步骤四：启动设备，进行突水预警，并根据监测的突水等级与突水位置数量进行设定值对比；
步骤五：根据对比信息选择报警等级。
作为本发明所述的一种基于神经网络的煤矿突水灾害预警的辅助方法的一种优选方案，其中：所述步骤一中的监测点寻找方法为各个突水状况易发点，监测设备具体为应变传感器、化学传感器、水压传感器和温度传感器。
作为本发明所述的一种基于神经网络的煤矿突水灾害预警的辅助方法的一种优选方案，其中：所述步骤二中联动的方式为局域网联动或者zigbee无线联动，所述步骤二中的程序设定具体为联动方式设定、报警方式设定和报警阀值。
作为本发明所述的一种基于神经网络的煤矿突水灾害预警的辅助方法的一种优选方案，其中：所述步骤三中控制器为32位MCU，所述控制器与主预警设备之间通过无线网络和有线网络连接。
作为本发明所述的一种基于神经网络的煤矿突水灾害预警的辅助方法的一种优选方案，其中：所述步骤四中突水等级的获取方式为监测设备获取，所述步骤四中的突水位置数量的获取方式为监测设备到达阀值触发警报后的数据统计，所述步骤四中设定值对比即为将监测数据与步骤二中程序设定得报警阀值进行对比。
作为本发明所述的一种基于神经网络的煤矿突水灾害预警的辅助方法的一种优选方案，其中：所述步骤五中的报警等级由步骤二中的程序设定得出。
与现有技术相比：现有的预测方法中，往往都是对突水灾害进行直接的判断，而判断的内容往往需要到一定的预警等级才会进行预警，造成煤矿在产生过多的突水灾害且突水等级达不到预警等级时，并不能够及时的进行预警，造成预警效果变差且容易出现安全事故，本申请文件中，通过对多个监测点进行实时的监测联动，并根据联动信息，与设定值进行比较，得出预警等级，根据预警等级进不同方式的报警，可以有效的防止多个小范围的突水灾害同时发生且不会触发预警系统的情况发生。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将结合附图和详细实施方式对本发明进行详细说明，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一种基于神经网络的煤矿突水灾害预警的辅助方法的系统流程结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施方式的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施方式时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明提供一种基于神经网络的煤矿突水灾害预警的辅助方法，该方法的具体步骤如下：
步骤一：寻找监测点，布置监测设备；
步骤二：对监测设备进行联动，并进行程序设定；
步骤三：将设定的程序输出到控制器中，通过控制器与主预警设备联动；
步骤四：启动设备，进行突水预警，并根据监测的突水等级与突水位置数量进行设定值对比；
步骤五：根据对比信息选择报警等级。
其中，所述步骤一中的监测点寻找方法为各个突水状况易发点，监测设备具体为应变传感器、化学传感器、水压传感器和温度传感器。
应变传感器是基于测量物体受力变形所产生的应变的一种传感器，电阻应变片则是其最常采用的传感元件，它是一种能将机械构件上应变的变化转换为电阻变化的传感元件，电阻应变片的基本构造一般由敏感栅、基底、引线、盖片等组成。敏感栅由直径为0.01-0.05mm、高电阻系数的细丝弯曲而成栅状，它实际上是一个电阻元件，是电阻应变片感受构件应变的敏感部分。敏感栅用粘合剂将其固定在基底上。基底的作用应保证将构件上应变准确地传递到敏感栅上去。因此它必须作得很薄，一般为0.03-0.06mm，使它能与试件及敏感栅牢固地粘结在一起。另外它还应有良好的绝缘性能、抗潮性能和耐热性能。基底材料有纸、胶膜、玻璃纤维布等。纸具有柔软、易于粘贴、应变极限大和价格低廉等优点，但耐温耐湿性差，一般工作温度低于70℃下采用。为了提高耐湿耐久性和使用温度，可浸以酚醛树脂类粘合剂使用温度可提高至180℃，且时间稳定性好，适用于测力等传感器使用。胶膜基底是由环氧树脂、酚醛树脂、聚脂树脂和聚酰亚胺等有机粘合剂制成的薄膜，胶膜基底具有比纸更好的柔性、耐湿性和耐久性，且使用温度可达100-300℃。玻璃纤维布能耐400-450℃高温，多用做中温或高温应变片基底。引出线的作用是将敏感栅电阻元件与测量电路相连接，一般由0.1-0.2mm低阻镀锡铜丝制成，并与敏感栅两输出端相焊接。
在测试时，将应变片用粘合剂牢固地粘贴在被测试件的表面上，随着试件受力变形，应变片的敏感栅也获得同样的变形，从而使其电阻随之发生变化，而此电阻变化是与试件应变成比例的，因此如果通过一定测量线路将这种电阻变化转换为电压或电流变化，然后再用显示记录仪表将其显示记录下来，就能知道被测试件应变量的大小。
化学传感器用于化学测量，常用于生产流程分析和环境污染监测，并在矿产资源的探测、气象观测和遥测、工业自动化、医学上远距离诊断和实时监测、农业上生鲜保存和鱼群探测、防盗、安全报警和节能等各方面都有重要的应用，化学传感器是对各种化学物质敏感并将其浓度转换为电信号进行检测的仪器。类比于人的感觉器官，化学传感器大体对应于人的嗅觉和味觉器官，但并不是单纯的人体器官的模拟，还能感受人的器官不能感受的某些物质，如H2、CO。
水压传感器是工业实践中较为常用的一种压力传感器，其广泛应用于各种工业动化环境、水利水电工程、交通建筑设备、生产自控系统、航空航天技术、船舶技术、输送管道等区域，水压传感器芯体通常选用扩散硅，工作原理是被测水压的压力直接作用于传感器的膜片上，使膜片产生与水压成正比的微位移，使传感器的电阻值发生变化，和用电子线路检测这一变化，并转换输出一个相对应压力的标准测量信号。
温度传感器是指能感受温度并转换成可用输出信号的传感器。温度传感器是温度测量仪表的核心部分，品种繁多。按测量方式可分为接触式和非接触式两大类，按照传感器材料及电子元件特性分为热电阻和热电偶两类，本申请文件中主要使用接触时温度传感器，接触式温度传感器的检测部分与被测对象有良好的接触，又称温度计，温度计通过传导或对流达到热平衡，从而使温度计的示值能直接表示被测对象的温度，一般测量精度较高。在一定的测温范围内，温度计也可测量物体内部的温度分布。但对于运动体、小目标或热容量很小的对象则会产生较大的测量误差，常用的温度计有双金属温度计、玻璃液体温度计、压力式温度计、电阻温度计、热敏电阻和温差电偶等。它们广泛应用于工业、农业、商业等部门。在日常生活中人们也常常使用这些温度计。随着低温技术在国防工程、空间技术、冶金、电子、食品、医药和石油化工等部门的广泛应用和超导技术的研究，测量120K以下温度的低温温度计得到了发展，如低温气体温度计、蒸汽压温度计、声学温度计、顺磁盐温度计、量子温度计、低温热电阻和低温温差电偶等。低温温度计要求感温元件体积小、准确度高、复现性和稳定性好。利用多孔高硅氧玻璃渗碳烧结而成的渗碳玻璃热电阻就是低温温度计的一种感温元件，可用于测量1.6～300K范围内的温度。
其中，所述步骤二中联动的方式为局域网联动或者zigbee无线联动，所述步骤二中的程序设定具体为联动方式设定、报警方式设定和报警阀值。
局域网联动的具体方法为在对监测装置进行布置时，使各个监测装置之间连上相同的网络，由于各个监测装置之间只需进行本地化网络通信，因此只需通过局域网进行连接即可，为了保证其传输效率，因此在局域网的基础上，再通过zigbee模块进行无线连接，可以有效的提高传输效率和传输性能。
其中，所述步骤三中控制器为32位MCU，所述控制器与主预警设备之间通过无线网络和有线网络连接。
32位MCU具体为STM32单片机，该型号单片机具有低功耗和高性能的优点，可以有效的减少能源消耗，且可与无线模块连接，实现无线通信，方便在各种环境下使用。
其中，所述步骤四中突水等级的获取方式为监测设备获取，所述步骤四中的突水位置数量的获取方式为监测设备到达阀值触发警报后的数据统计，所述步骤四中设定值对比即为将监测数据与步骤二中程序设定得报警阀值进行对比。
监测设备对突水情况进行分析监测，然后与程序设定中的数据进行对比，根据数据阀值，得到突水等级，突水位置数量的获取方式为当获取到突水等级时，根据每个监测设备的突水等级反馈值，直接得到突水位置的数量，设定值对比即为监测数据与程序设定阀值对比，设定值对比为突水等级获取和突水位置数量获取的基础。
其中，所述步骤五中的报警等级由步骤二中的程序设定得出。
报警等级即基于监测设备与程序设定数据的阀值得到突水等级后，在根据突水等级与程序设定数据的报警等级进行对比，从而得到报警等级阀值。
虽然在上文中已经参考实施方式对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施方式中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施方式，而是包括落入权利要求的范围内的所有技术方案。
Claims (6)
1.一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：该方法的具体步骤如下：
步骤一：寻找监测点，布置监测设备；
步骤二：对监测设备进行联动，并进行程序设定；
步骤三：将设定的程序输出到控制器中，通过控制器与主预警设备联动；
步骤四：启动设备，进行突水预警，并根据监测的突水等级与突水位置数量进行设定值对比；
步骤五：根据对比信息选择报警等级。
2.根据权利要求1所述的一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：所述步骤一中的监测点寻找方法为各个突水状况易发点，监测设备具体为应变传感器、化学传感器、水压传感器和温度传感器。
3.根据权利要求1所述的一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：所述步骤二中联动的方式为局域网联动或者zigbee无线联动，所述步骤二中的程序设定具体为联动方式设定、报警方式设定和报警阀值。
4.根据权利要求1所述的一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：所述步骤三中控制器为32位MCU，所述控制器与主预警设备之间通过无线网络和有线网络连接。
5.根据权利要求1所述的一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：所述步骤四中突水等级的获取方式为监测设备获取，所述步骤四中的突水位置数量的获取方式为监测设备到达阀值触发警报后的数据统计，所述步骤四中设定值对比即为将监测数据与步骤二中程序设定得报警阀值进行对比。
6.根据权利要求1所述的一种基于神经网络的煤矿突水灾害预警的辅助方法，其特征在于：所述步骤五中的报警等级由步骤二中的程序设定得出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238444.8A CN110847974A (zh) | 2019-12-06 | 2019-12-06 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238444.8A CN110847974A (zh) | 2019-12-06 | 2019-12-06 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110847974A true CN110847974A (zh) | 2020-02-28 |
Family
ID=69608404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911238444.8A Pending CN110847974A (zh) | 2019-12-06 | 2019-12-06 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110847974A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
| CN112504332A (zh) * | 2020-10-16 | 2021-03-16 | 安徽中科中涣防务装备技术有限公司 | 一种复合型传感检测及智能控制方法、系统和装置 |
| CN113408322A (zh) * | 2020-03-16 | 2021-09-17 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
| CN113623004A (zh) * | 2021-08-31 | 2021-11-09 | 中煤科工集团重庆研究院有限公司 | 一种用于水害预警的判断方法 |
| CN114046174A (zh) * | 2021-11-11 | 2022-02-15 | 招商局重庆交通科研设计院有限公司 | 一种隧道施工期粉尘监测与分段降尘系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104156560A (zh) * | 2014-07-12 | 2014-11-19 | 中国矿业大学 | 一种基于SaE-ELM的煤矿多等级突水预测方法 |
| CN102542732B (zh) * | 2010-12-08 | 2015-08-19 | 中国电信股份有限公司 | 自然灾害监测预警方法与系统 |
| CN106194262A (zh) * | 2016-08-03 | 2016-12-07 | 太原理工大学 | 煤矿底板奥灰岩突水在线监测智能预警系统 |
| CN107862835A (zh) * | 2017-12-11 | 2018-03-30 | 何旭连 | 一种基于云计算的山洪灾害监测系统 |
| CN109268072A (zh) * | 2018-11-16 | 2019-01-25 | 东北大学 | 煤矿底板突水灾害智能、实时预测预警的大数据云平台 |
| CN109785572A (zh) * | 2019-03-11 | 2019-05-21 | 上海荷福人工智能科技（集团）有限公司 | 一种基于神经网络的消防预警方法及系统 |
-
2019
- 2019-12-06 CN CN201911238444.8A patent/CN110847974A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542732B (zh) * | 2010-12-08 | 2015-08-19 | 中国电信股份有限公司 | 自然灾害监测预警方法与系统 |
| CN104156560A (zh) * | 2014-07-12 | 2014-11-19 | 中国矿业大学 | 一种基于SaE-ELM的煤矿多等级突水预测方法 |
| CN106194262A (zh) * | 2016-08-03 | 2016-12-07 | 太原理工大学 | 煤矿底板奥灰岩突水在线监测智能预警系统 |
| CN107862835A (zh) * | 2017-12-11 | 2018-03-30 | 何旭连 | 一种基于云计算的山洪灾害监测系统 |
| CN109268072A (zh) * | 2018-11-16 | 2019-01-25 | 东北大学 | 煤矿底板突水灾害智能、实时预测预警的大数据云平台 |
| CN109785572A (zh) * | 2019-03-11 | 2019-05-21 | 上海荷福人工智能科技（集团）有限公司 | 一种基于神经网络的消防预警方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王经明等: "煤矿突水灾害的预警原理及其应用", 《煤田地质与勘探》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113408322A (zh) * | 2020-03-16 | 2021-09-17 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
| CN113408322B (zh) * | 2020-03-16 | 2022-12-02 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
| CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
| CN111899568B (zh) * | 2020-07-17 | 2021-09-07 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
| CN112504332A (zh) * | 2020-10-16 | 2021-03-16 | 安徽中科中涣防务装备技术有限公司 | 一种复合型传感检测及智能控制方法、系统和装置 |
| CN113623004A (zh) * | 2021-08-31 | 2021-11-09 | 中煤科工集团重庆研究院有限公司 | 一种用于水害预警的判断方法 |
| CN113623004B (zh) * | 2021-08-31 | 2024-02-13 | 中煤科工集团重庆研究院有限公司 | 一种用于水害预警的判断方法 |
| CN114046174A (zh) * | 2021-11-11 | 2022-02-15 | 招商局重庆交通科研设计院有限公司 | 一种隧道施工期粉尘监测与分段降尘系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110847974A (zh) | 一种基于神经网络的煤矿突水灾害预警的辅助方法 | |
| CN101126729B (zh) | 双热流计稳态法材料热导率测量方法 | |
| CN100535612C (zh) | 热传导法液位传感器及测量方法 | |
| Zhao et al. | Quasi-distributed fiber optic temperature and humidity sensor system for monitoring of grain storage in granaries | |
| CN204831618U (zh) | 气象用高灵敏度温度传感器 | |
| CN107101736B (zh) | 温度检测装置 | |
| CN106980332B (zh) | 一种储粮状态的检测方法 | |
| CN103630255B (zh) | 对运行中的不间断电源的电容温度进行在线监测的系统 | |
| CN105286812A (zh) | 一种体温测量方法和装置 | |
| CN201051023Y (zh) | 用于大枣烘房测量温湿度的探头 | |
| Kang et al. | Reliability estimation of thin film platinum resistance MEMS thermal mass flowmeter by step-stress accelerated life testing | |
| CN113310588A (zh) | 一种基于水银温度计的远程温度检测装置 | |
| CN106370268A (zh) | 一种利用热电阻自发热效应的感温式液位开关 | |
| CN205642658U (zh) | 一种温度检测装置 | |
| Goshlya et al. | The application of compact thermistors for the temperature conditions analysis of small-sized long-stroke low-speed stages of piston compressors | |
| CN206399542U (zh) | 一种无线温度传感器 | |
| CN112924044B (zh) | 升降调节式双金属温度计 | |
| Pennypacker | Instrumentation for epidemiology | |
| CN111765992A (zh) | 一种温度传感器响应时间检测系统 | |
| CN206161185U (zh) | 一种空调诊断仪的温度传感器 | |
| CN209689777U (zh) | 一种腐蚀性化学剂温度报警系统 | |
| CN212931683U (zh) | 一种基于新型感温网的温度检测系统 | |
| CN212931670U (zh) | 一种用于变电站红外测温校准的加热测温件 | |
| CN205827647U (zh) | 多功能无线温度检测装置 | |
| CN205826158U (zh) | 无线温度检测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |