基于联邦学习的矿井粉尘浓度跨区域预测方法及系统
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
验证码登录
×
发送
登录即代表您已同意AITNT
用户协议
和
隐私政策
登录
登录成功后会自动刷新界面
AITNT公众号
AITNT APP
AITNT交流群
搜索
未登录
首页
AI中心
退出
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI 源力市场
寻求报道
基于联邦学习的矿井粉尘浓度跨区域预测方法及系统
申请号:
CN202510991193
申请日期:
2025-07-18
公开号:
CN120509551A
公开日期:
2025-08-19
类型:
发明专利
摘要
本申请属于矿井安全监测与智能控制技术领域,具体提供了基于联邦学习的矿井粉尘浓度跨区域预测方法及系统,方法主要包括:获取多个矿区的震动频谱、风速数据、温湿度数据,对震动频谱、风速数据、温湿度数据进行预处理,生成联邦标准化特征矩阵;基于联邦标准化特征矩阵,通过三维卷积提取空间特征、高危区域注意力加权及时序建模处理,生成多矿区联邦预测模型。本申请能够实现跨区域精准捕捉粉尘扩散动态,协同调度设备高效抑尘,助力新矿区快速构建精准预测与防控体系,有效提升了矿井粉尘治理的科学性、协同性与安全性。
技术关键词
矿井粉尘浓度
区域预测方法
联动设备
矩阵
温湿度
报告
联邦模型
喷雾装置
数据
风速
矿井粉尘治理
注意力
加权特征
坐标
掘进面
生成设备
融合特征
高效抑尘