一項探索該技術如何降低災難風險的新研究表明，人工智慧可以在半小時內預測煤礦中與天然氣相關的事件。
中國煤礦的研究比較了10種機器學習算法，看看哪些人工智慧方法可以提前30分鐘預測甲烷氣體含量的變化，並通知用戶異常情況。「用於氣體預警系統短期預測的十種機器學習算法的比較研究」發表在《科學報告》雜誌上。
地下礦井瓦斯爆炸或火災存在重大風險，近60%的煤礦事故是由瓦斯引起的。
2020年，煤炭產量占全球產量的46%，3200多個高瓦斯煤礦風險突出。
查爾斯達爾文大學（CDU）科學技術學院兼職副教授Niusha Shafiabady表示，結果顯示10種機器學習算法中有4種產生了最好的結果。
Shafiabady副教授表示：「線性回歸是最有效的算法之一，在短期預測方面比其他算法具有更好的性能。"
「隨機森林通常表現出統計上較低的誤差性能，並實現最高的預測準確性。支持載體機性能良好，在小數據集上的計算時間更短，但隨著數據集大小的增加，它需要太多的訓練時間。
「這項研究的結果將有助於煤炭開採行業降低瓦斯爆炸等事故的風險，確保工人安全，提高預防和減輕不僅可能造成人員傷亡，還會造成經濟損失的災害的能力。"
這項研究是與查爾斯達爾文大學、雪梨科技大學、澳大利亞天主教大學、山西師範大學和中央昆士蘭大學合作進行的。
澳大利亞天主教大學彼得法伯商學院研究員紐莎·沙菲阿巴迪副教授表示，這些結果有多種應用。
「這種方法適用於所有煤礦，同樣的原則適用於航空航天、石油天然氣、農業和其他行業，」她說。
「這是人工智慧可用於拯救生命並減輕健康和安全風險的應用的一個例子。"
Shafiabadi副教授之前的研究發現，更多地監測煤礦的風、瓦斯密度和溫度也有助於降低災害風險。
原文：https://techxplore.com/news/2024-09-ai-disasters.html
更多信息：Robert MX Wu等人，用於氣體預警系統短期預測的十種機器學習算法的比較研究，科學報告（2024）。DOI：10.1038/s41598-024-67283-4
期刊信息：科學報告
由查爾斯達爾文大學提供
輸油管：