一种基于深度学习模型的气体浓度异常分类方法及系统

本发明公开了一种基于深度学习模型的气体浓度异常分类方法及系统，属于煤矿安全监测技术领域。本发明获取井下气体浓度监测设备采集的原始数据序列；根据预设阈值进行初筛和样本切分，并采用插值算法将待分类样本序列映射至目标均匀时间网格，形成标准化序列；对待分类样本序列提取人工统计特征，同时将标准化序列输入Transformer编码器获得深度特征向量，将两者拼接后输入KAN分类器，输出气体浓度曲线类别标签及异常诊断结果；通过融入Sine混沌映射和黄金正弦搜索的SGKO算法优化Transformer编码器和KAN分类器的超参数。本发明能够有效处理井下气体浓度数据非均匀采样和异常形态交叠问题，提高气体浓度异常分类与报警诊断的准确性。