基于BP神经网络的矿井全通风网络火灾快速预测研究

《Scientific Reports》：Research on rapid prediction of mine fire in full ventilation network based on BP neural network

　　

摘要

矿井火灾对井下安全构成严重威胁，快速预测火灾引发灾害对于及时救援至关重要。传统的计算流体动力学数值模拟精度高但耗时较长，且仅限于单一或局部巷道。本研究提出了一种基于反向传播（BP）神经网络的全通风网络矿井火灾快速预测方法。建立了一个14分支的全通风网络矿井模型，并使用火灾动力学模拟软件（FDS）进行数值模拟以生成火灾数据集。BP神经网络的输入参数包括燃烧位置、热释放速率、时间、风速、环境温度、相对湿度、环境压力和横截面积，输出参数为各巷道的平均CO浓度、温度、能见度和风速。训练后的模型能够快速预测不同条件下的矿井火灾。结果表明，该模型对温度、能见度和风速的预测精度较高，R2均超过0.99，而CO浓度预测的SMAPE为110.40%，RMSE为0.43，MAE为0.31。单次预测的推理时间约为3秒，远快于传统模拟方法。本研究为全通风网络矿井火灾快速预测提供了方法论验证，并为矿井火灾应急决策和救援行动提供了实用价值。