基于多尺度扩张卷积与注意力TCN的采矿钻探系统卡钻因子时序预测网络

《Sensors》：A Study on the Prediction of Operating Conditions in Mining Drilling Systems Using a Deep Temporal Forecasting Network

　　

摘要

在复杂煤岩条件下，准确预测采矿钻探系统的运行状态仍然具有挑战性，这归因于钻具复杂的动态特性、高度变化的运行条件以及与卡钻风险相关的显著长期依赖性。为了解决这些问题，本研究提出了一种深度时序预测网络，用于预测采矿钻探系统的运行状态。具体而言，采用多尺度扩张因果卷积网络在不同尺度上提取时序特征，从而捕获不同时间范围上的依赖关系。随后，使用集成了注意力机制的时序卷积网络（TCN）来建模所提取特征之间的多维时序相关性，并自适应地分配通道权重，从而强调信息丰富的特征并抑制无关信息。这种架构能够准确预测卡钻因子。此外，联合目标在逐点预测误差的基础上补充了全局时序相关性偏好。实验结果表明，所提出的方法取得了令人满意的预测性能，并捕获了所评估钻孔序列中的时序变化。