新研究表明人工智能可以预测采矿灾害
一项探索该技术如何降低灾害风险的新研究表明，人工智能可以在半小时内预测煤矿中与瓦斯相关的事件。
这项针对中国煤矿的研究比较了 10 种机器学习算法，看看哪种人工智能方法可以提前 30 分钟预测甲烷气体含量的变化，并通知用户异常情况。 《气体预警系统短期预测十种机器学习算法的比较研究》发表在《科学报告》杂志上。
地下矿井瓦斯爆炸或着火带来重大风险，近 60% 的煤矿事故是由瓦斯气体引起的。
2020年，煤炭产量占全球的46%，有3200多个瓦斯含量高的煤矿处于突出风险水平。
作者、查尔斯·达尔文大学 (CDU) 科学技术学院兼职副教授 Niusha Shafiabady 表示，结果显示，在 10 种机器学习算法中，有四种机器学习算法产生了最佳结果。
Shafiabady 副教授表示：“线性回归是最有效的算法之一，在短期预测方面具有比其他算法更好的性能。”
“随机森林经常表现出统计上较低的错误性能，并实现最高的预测精度。支持向量机表现良好，在小数据集上的计算时间较短，但随着数据集大小的增加，需要太多的训练时间。
“这项研究的结果将有助于煤炭开采业降低瓦斯爆炸等事故的风险，保障工人安全，并提高预防和减轻灾害的能力，这些灾害不仅可能造成人员伤亡，还会导致经济损失。”
这项研究是与查尔斯达尔文大学、悉尼科技大学、澳大利亚天主教大学、山西师范大学和中央昆士兰大学合作进行的。
澳大利亚天主教大学彼得法伯商学院研究员 Niusha Shafiabady 副教授表示，这些结果有多个应用。
“这种方法适用于所有煤矿，同样的原理也适用于航空航天、石油天然气、农业等其他行业，”她说。
“这是人工智能可用于拯救生命并减轻健康和安全风险的应用示例。”
沙菲亚巴迪副教授之前的研究发现，对煤矿中的风、瓦斯密度和温度进行更多监测也有助于降低灾害风险。
原文：https://techxplore.com/news/2024-09-ai-disasters.html
更多信息： Robert MX Wu 等人，气体警报系统短期预测的十种机器学习算法的比较研究，科学报告（2024）。 DOI：10.1038/s41598-024-67283-4
期刊信息：科学报告
由查尔斯·达尔文大学提供
