基于物联网的地下矿井空气质量智能预测

来源：计算机技术与发展杂志2020年第08期北京时间：

作者：李湘文;周辅杰;崔崴;邓琴秀;张辉雨

摘要：为了提高安全性,全世界都在寻求实施无线传感器网络(WSNs)来监测复杂的、动态的和环境恶劣的地下煤矿。文中引入了一种可靠的物联网(IoT)空气质量监测系统, 该系统由传感器模块、通信协议和基站组成。 基于 STM32 的传感器模块具有八个不同的参数,安装在可操作的地下煤矿的不同位置。 基于感知数据,该系统用煤矿环境指数(MEI)对地下煤矿矿井空气质量进行评价。 采用主成分分析法确定了 CH4 、CO、SO2和 H2S 是影响矿井空气质量最主要的气体。 将主成分分析的结果输入到 RNN 神经网络模型中,实现了 MEI 的预测。结果表明,基于主成分分析的神经网络在 MEI 预测中具有较好的性能, 主成分分析+RNN 预测模型的性能指标 R2和 RMSE 值分别为 0.489 0 和 0.120 4, 提高了线性回归模型对矿井大气污染物的预测精度。 因此,提出的基于 STM32 和 Tensorflow 平台的人工神经网络可以快速评估和预测矿井空气质量,提高矿井环境安全性。

关键词：物联网;矿井环境指数;RNN;人工神经网络;机器学习;TensorFlow