金属矿山

作者：索智文贾美玲闫明屈波周超逸

单位：1. 国能神东煤炭智能技术中心,陕西榆林719315;2. 陕西亿杰鑫信息技术有限公司,陕西西安710065

关键词：智慧矿山, 集成学习, 异常检测, 支持向量机, 随机森林, 神经网络 ,

基金：中国神华能源股份有限公司神东煤炭分公司科技创新项目(编号:E210100270)。

随着矿山自动化和智能化的不断发展,智慧矿山已成为矿山行业转型升级的重要方向。 能耗优化和异常检测是智慧矿山建设中的关键环节,对矿山安全生产和经济效益至关重要。 提出了一种基于集成学习策略的矿山能耗预测与异常检测方法。 首先,构建了一个基于集成学习的能耗预测模型。 该模型利用历史能耗数据和实时监测数据,通过集成支持向量机、随机森林和神经网络等算法,对矿山能耗进行实时预测和优化。 其次,提出了一种基于集成学习的异常检测方法。 该方法将孤立森林、局部异常因子和自编码器等算法进行集成,对矿山能耗数据进行异常检测。 将所提方法应用于某矿山,结果表明:与单一方法相比,该方法可以有效降低矿山能耗,提高异常检测的准确性,为矿山智能化建设提供了技术支持。

来源：2025年第7期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第7期