Zobrazeno 1 - 10
of 72
pro vyhledávání: '"gas concentration prediction"'
Publikováno v:
Gong-kuang zidonghua, Vol 50, Iss 4, Pp 128-132 (2024)
In current gas concentration prediction methods, there are problems of data processing uncertainty, feature extraction limitations, and prediction bias caused by subjective factors. In order to solve the above problems, a gas concentration prediction
Externí odkaz:
https://doaj.org/article/8e865eae22044af9901aae5be9e89b27
Publikováno v:
Gong-kuang zidonghua, Vol 50, Iss 2, Pp 90-97 (2024)
In order to better capture the time-varying patterns and effective information of gas concentration, and achieve precise prediction of gas concentration in coal working faces, a gas concentration prediction model based on SSA-LSTM is proposed by opti
Externí odkaz:
https://doaj.org/article/b58bab18b9f1464caee25f43f0da6fc0
Publikováno v:
IEEE Access, Vol 12, Pp 87900-87908 (2024)
Many odors, such as poisonous and exhaust gases, are unsuitable for human detection. Therefore, techniques for predicting gas types and concentrations are essential. The metal oxide sensor utilized in this study is a standard gas sensor due to its ex
Externí odkaz:
https://doaj.org/article/7c117e0f3de34e89b1976f789530becf
Publikováno v:
Heliyon, Vol 10, Iss 7, Pp e28112- (2024)
The Long Short-Term Memory neural network is a specialized architecture designed for handling time series data, extensively applied in the field of predicting gas concentrations. In the harsh conditions prevalent in coal mines, the time series data o
Externí odkaz:
https://doaj.org/article/a044aaa0c26b49f99bfa322ae09fdbc9
Publikováno v:
IEEE Access, Vol 11, Pp 25467-25479 (2023)
Multiple gas detection in mixed-gas environments is a challenging issue in many engineering industries because some of the gases can raise defect rates and reduce production efficiency. For chemo-resistive gas sensors, a precise estimation can be cha
Externí odkaz:
https://doaj.org/article/8df189b8b16343d8917e10d0762a2cd2
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Gong-kuang zidonghua, Vol 48, Iss 9, Pp 134-139 (2022)
The single gas prediction model has weak capability in mining all characteristics of the mine gas concentration time sequence. In order to solve the problem, a combined prediction model based on autoregressive intergrated moving average (ARIMA) model
Externí odkaz:
https://doaj.org/article/83f91b3baf7344649c7782625869aec5
Publikováno v:
Gong-kuang zidonghua, Vol 49, Iss 5, Pp 82-89, 111 (2023)
In the complex environment of coal mines, the prediction precision of traditional gas concentration prediction models is relatively low. Although the traditional gas concentration prediction model is optimized by introducing various optimization algo
Externí odkaz:
https://doaj.org/article/bb3a5e7beddd4675bf2453a698b9206d