来源：期刊VIP网 时间：
作者：金兵;张浪;李伟;郑义;刘彦青;张逸斌;
单位：煤炭科学技术研究院有限公司;煤科通安(北京)智控科技有限公司;北京市煤矿安全工程技术研究中心;煤炭智能开采与岩层控制全国重点实验室;
摘要：针对综掘工作面降尘措施难以合理利用的问题，提出了一种基于本征正交分解（POD）与机器学习的综掘工作面流场快速预测算法。利用计算流体力学（CFD）技术对多种工况下的综掘工作面风流场和粉尘浓度场进行模拟，获得高维度流场数据；利用POD对高维度流场数据进行降维，提取能够反映流场主要特性的核心模态，得到流场工况的基函数模态与模态系数；通过机器学习方法预测不同工况下占总能量达到90%以上的模态系数，从而对未知工况的模态系数进行预测，利用预测的模态系数与基函数模态进行重构，得到未知工况的风流场数据或粉尘浓度场。研究结果表明：综掘工作面数值模拟模型的相对误差在3%以内，能够准确反映实际的风流和粉尘分布状况；风流场选择前5阶模态，粉尘浓度场选择前7阶模态，即可兼顾POD重构精度与效率；支持向量机（SVM）模型对模态系数的预测能力优于随机森林及神经网络模型，针对60种不同工况，基于POD和SVM预测的风流速度、粉尘浓度与数值模拟结果之间的相对误差分别为0.36 m/s,86.24 mg/m~3，风流场及粉尘浓度场平均预测耗时为73 s，实现了对矿井综掘工作面风流场和粉尘浓度场的高精度快速预测。
关键词：综掘工作面;粉尘防治;风流场预测;粉尘浓度场预测;本征正交分解;机器学习;支持向量机
基金资助：国家重点研发计划项目（2023YFC3009001-8）; 天地科技科技创新专项重点项目(2024-TD-ZD011-01); 煤科院技术创新基金项目（2021CX-II-15）
