基于深度特征增强的煤自燃温度预测与动态布点方法

本发明提出了一种基于深度特征增强的煤自燃温度预测与动态布点方法，属于矿山安全工程的技术领域。本发明包括采集程序升温实验或采空区束管监测系统的煤体的温度其气体浓度的时序数据，筛选核心气体指标；基于核心气体指标构建深度动态特征参数，与核心气体指标的时序数据组成输入特征集；构建LSTM‑Attention‑MoE混合预测模型，并利用输入特征集以及历史温度序列对进行训练，利用改进粒子群优化算法对模型参数进行全局优化；将实时采集的实时时序数据输入全局优化的混合预测模型，输出煤体温度预测值；计算预警可信度分数确定预警等级；反向更新空间风险场。本发明可实现监测网络覆盖率提升与预警可靠性增强，为煤矿采空区火灾防治提供了从数据源到决策端的全链条智能化支持。