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H2 S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0.4890和0.1204,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.
基金项目
四川省科技计划项目(2019JDKP0020)
四川省教育重点科研项目(18ZA0066)
四川省教育重点科研项目(18ZA0068)
乐山市科技计划项目(18JCXY011)
成理工程科研基金(C122016002)
成理工程科研基金(C122018009)
成理工程科研基金(C122017021)
教育部高等教育司产学合作协同育人项目(201802022027)
教育部高等教育司产学合作协同育人项目(201802047128)
国家科技期刊平台
NSTL
维普
万方数据