标题：基于优化深度置信网络的煤矿事故预警方法
作者：胡浩然 孙霞
作者单位：安徽理工大学电气与信息工程学院，安徽 淮南 232001
关键字：煤矿预警；LORA；数据融合；蝙蝠算法；DBN；数据分类
摘要：为了对煤矿瓦斯气体泄漏事故进行准确快速的预警，提出了一种基于蝙蝠算法优化过的深度置信网络（Bat Algorithm-Deep Belief Network，BA-DBN）的多传感器数据融合预警方法。针对大部分煤矿等配备精密的传感器设备、能够精确测量各气体浓度参数的应用场景，考虑采用适用于一维数组分类的深度置信网络作为煤矿事故预警的算法，以矿井巷道内各气体浓度参数作为算法输入，对矿井内多个传感器数据进行融合，以实现矿井内环境状态分类，并通过蝙蝠算法优化深度置信网络隐含层中各神经元的数量，提高分类准确率。实验结果表明，系统在传感器数据分类方面的准确率得到明显提高，具有更优秀的分类效果。