[发明专利]煤炭堆场起尘量预测方法、装置、系统和存储介质

权利要求书

1.一种煤炭堆场起尘量预测方法，其特征在于，包括：

将获取到的实时环境数据和实时煤剁参数输入到预设的起尘量预测模型中，获得对应的预测起尘量；所述预设的起尘量预测模型为基于所述煤炭堆场的历史数据训练生成；所述历史数据包括历史环境数据、历史煤剁参数和历史起尘量；

根据所述预测起尘量生成控制指令，并将所述控制指令传输给洒水系统；所述控制指令用于指示所述洒水系统以相应的洒水量进行洒水。

2.根据权利要求1所述的煤炭堆场起尘量预测方法，其特征在于，所述预设的起尘量预测模型通过如下步骤获得：

获取所述历史数据，并对所述历史数据进行预处理，得到历史监测数据；

根据所述历史监测数据训练神经网络模型，得到所述预设的起尘量预测模型。

3.根据权利要求2所述的煤炭堆场起尘量预测方法，其特征在于，根据所述历史监测数据训练神经网络模型，得到所述预设的起尘量预测模型的步骤包括：

将所述历史监测数据划分为训练集和测试集；

依据神经网络参数和激励函数，搭建所述神经网络模型，并通过所述训练集对所述神经网络模型进行训练，得到训练后的模型；所述神经网络参数包括输入层神经元个数、隐含层层级数和输出层神经元个数；

通过所述测试集对所述训练后的模型进行模型测试，在所述模型测试的结果符合要求时，将所述训练后的模型确定为所述预设的起尘量预测模型。

4.根据权利要求3所述的煤炭堆场起尘量预测方法，其特征在于，通过所述训练集对所述神经网络模型进行训练，得到训练后的模型的步骤包括：

基于所述训练集和损失函数，对所述神经网络模型进行训练，并在所述损失函数的结果小于损失阈值时，完成所述训练，得到所述训练后的模型；

所述损失函数为基于真实值和第一预测值的函数；其中，所述真实值为所述训练集中当前时刻的真实起尘量；所述第一预测值为所述神经网络模型根据所述训练集中、上一时刻的数据预测得到的当前时刻的训练起尘量。

5.根据权利要求4所述的煤炭堆场起尘量预测方法，其特征在于，通过所述测试集对所述训练后的模型进行模型测试，在所述模型测试的结果符合要求时，将所述训练后的模型确定为所述预设的起尘量预测模型的步骤包括：

通过所述测试集对所述训练后的模型进行模型准确率测试，并判断得到的准确率是否超过门限值；若是，则将所述训练后的模型确定为所述预设的起尘量预测模型；若否，则降低所述损失阈值，并通过所述训练集再次进行训练。

6.根据权利要求2所述的煤炭堆场起尘量预测方法，其特征在于，对所述历史数据进行预处理，得到历史监测数据的步骤包括：

根据数据类别，从所述历史数据中筛选出异常数据，并删除所述异常数据对应的历史数据，以完成数据清洗；

按照时间对清洗后的所述数据进行匹配，得到所述历史监测数据。

7.根据权利要求1所述的煤炭堆场起尘量预测方法，其特征在于，

所述环境数据包括风速、大气湿度和大气温度中的至少一种；所述煤剁参数包括煤剁表层含水率和/或煤种；

所述历史数据包括周期性采集得到的多条所述历史环境数据；所述历史数据还包括周期性采集得到的多条所述历史煤垛参数；所述历史数据还包括周期性采集得到的多条所述历史起尘量。

8.根据权利要求3所述的煤炭堆场起尘量预测方法，其特征在于，所述输入层神经元个数为5，所述隐含层层级数为3，所述输出层神经元个数为1；所述激励函数为Sigmoid函数。