本申请涉及数据预测领域,特别地涉及一种煤炭含水参数预测方法、装置、电子设备及存储介质。
背景技术:
1、当前,生产作业、露天堆存的煤炭受到天气等扰动因素的影响容易产生粉尘,造成空气污染,直接危害现场作业人员身体健康。煤炭外含水率是衡量煤炭起尘的重要因素,煤炭含水率过低在装卸、运输、堆放的生产过程中容易起尘造成空气环境污染。
2、目前,市场上没有实时在线的针对露天堆场的堆垛煤炭外含水率监测设备,全部依靠人工采样再通过水分分析仪采样空气干燥法进行手动检测,检测效率低,耗时长,数据产生滞后,不能实时指导实际生产洒水抑尘。
3、综上,当前煤炭含水参数管理方式存在依靠人工测量的技术问题。
技术实现思路
1、针对上述问题,本申请提供一种煤炭含水参数预测方法、装置、电子设备及存储介质,以缓解当前煤炭含水参数管理方式存在的依靠人工测量导致检测效率低的技术问题。
2、第一方面,本申请提供了一种煤炭含水参数预测方法,所述方法包括:
3、获取多个采样时刻对应的场景气象数据以及煤炭含水数据;
4、基于待预测时刻,根据所述场景气象数据和所述煤炭含水数据构建输入数据;
5、获取训练后的煤炭含水参数预测模型;
6、通过所述训练后的煤炭含水参数预测模型处理所述输入数据,得到所述待预测时刻对应的煤炭含水参数预测值。
7、根据本申请的实施例,可选的,上述方法中,所述获取训练后的煤炭含水参数预测模型的步骤,包括:
8、基于所述采样时刻的时间特征,对所述场景气象数据以及所述煤炭含水数据进行处理得到训练数据;
9、使用所述训练数据对预设的煤炭含水参数预测模型进行训练,得到所述训练后的煤炭含水参数预测模型。
10、根据本申请的实施例,可选的,上述方法中,所述基于所述采样时刻的时间特征,对所述场景气象数据以及所述煤炭含水数据进行处理得到训练数据的步骤,包括:
11、将第i个采样时刻的场景气象数据和第i-1个采样时刻的煤炭含水数据确定为第i个初始样本数据的内容数据,将所述第i个采样时刻的煤炭含水数据确定为所述第i个初始样本数据的标签数据;其中,i为大于1的自然数;
12、对所有的初始样本数据进行异常数据清理,得到有效样本数据;
13、根据采样时刻的时间特征以及滑动窗口步长,对所述有效样本数据进行序列划分得到所述训练数据。
14、根据本申请的实施例,可选的,上述方法中,所述煤炭含水参数预测模型进行训练时的目标损失函数与各采样时刻的煤炭含水预测数据和煤炭含水数据相关。
15、根据本申请的实施例,可选的,上述方法中,所述基于待预测时刻,根据所述场景气象数据和所述煤炭含水数据构建输入数据的步骤,包括:
16、将第k个采样时刻对应的场景气象数据以及第k-1个采样时刻对应的煤炭含水数据组合为输入数据单元;
17、确定所述待预测时刻对应的第n个采样时刻;
18、根据所述输入数据的滑动窗口步长a,将第n个采样时刻的输入数据单元以及在前的a-1个采样时刻的输入数据单元组合为所述输入数据;其中,i,a,n均为大于1的自然数。
19、根据本申请的实施例,可选的,上述方法中,所述场景气象数据包括温度、湿度、气压和风速。
20、根据本申请的实施例,可选的,上述方法中,所述煤炭含水参数预测模型包括残差网络、长短期记忆网络、注意力网络以及输出网络;所述通过所述训练后的煤炭含水参数预测模型处理所述输入数据的步骤,包括:
21、通过所述残差网络对所述输入数据进行特征提取得到第一特征数据;
22、通过所述长短期记忆网络对所述第一特征数据进行特征提取得到第二特征数据;
23、通过所述注意力网络对所述第二特征数据进行加权处理,得到第三特征数据;
24、通过所述输出网络对所述第三特征数据进行输出处理,以输出所述待预测时刻对应的煤炭含水参数预测值。
25、第二方面,本申请提供了一种煤炭含水参数预测装置,所述装置包括:
26、获取模块,用于获取多个采样时刻对应的场景气象数据以及煤炭含水数据;
27、构建模块,用于基于待预测时刻,根据所述场景气象数据和所述煤炭含水数据构建输入数据;
28、调用模块,用于获取训练后的煤炭含水参数预测模型;
29、预测模块,用于通过所述训练后的煤炭含水参数预测模型处理所述输入数据,得到所述待预测时刻对应的煤炭含水参数预测值。
30、第三方面,本申请提供一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如前述任一项所述的方法。
31、第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被所述处理器执行时,执行如前述任一项所述的方法。
32、与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
33、在本申请实施例中,获取多个采样时刻对应的场景气象数据以及煤炭含水数据,基于待预测时刻根据所述场景气象数据和所述煤炭含水数据构建输入数据,获取训练后的煤炭含水参数预测模型,通过所述训练后的煤炭含水参数预测模型处理所述输入数据,得到所述待预测时刻对应的煤炭含水参数预测值。在该技术方案中,基于煤炭堆场的实际场景气象特征等数据、历史的煤炭含水率特征和时间特征三部分组成的时间序列数据,并利用神经网络提取数据集关键特征并整理成序列形式,可以使得预测输出尽可能的接近观测值,缓解了当前煤炭含水参数管理方式存在依靠人工测量的技术问题。
1.一种煤炭含水参数预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述获取训练后的煤炭含水参数预测模型的步骤,包括:
3.根据权利要求2所述的方法,其特征在于,所述基于所述采样时刻的时间特征,对所述场景气象数据以及所述煤炭含水数据进行处理得到训练数据的步骤,包括:
4.根据权利要求3所述的方法,其特征在于,所述煤炭含水参数预测模型进行训练时的目标损失函数与各采样时刻的煤炭含水预测数据和煤炭含水数据相关。
5.根据权利要求1所述的方法,其特征在于,所述基于待预测时刻,根据所述场景气象数据和所述煤炭含水数据构建输入数据的步骤,包括:
6.根据权利要求1所述的方法,其特征在于,所述场景气象数据包括温度、湿度、气压和风速。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述煤炭含水参数预测模型包括残差网络、长短期记忆网络、注意力网络以及输出网络;所述通过所述训练后的煤炭含水参数预测模型处理所述输入数据的步骤,包括:
8.一种煤炭含水参数预测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7中任一项所述的方法。