一种基于机器学习的煤层瓦斯异常检测方法、系统、电子设备及存储介质

本发明公开了一种基于机器学习的煤层瓦斯异常检测方法、系统、电子设备及存储介质，方法包括：获取煤矿井内的若干浓度传感器的实时瓦斯浓度数据，对实时瓦斯浓度数据进行时空序列分析，得到瓦斯浓度在时间和空间维度上的变化趋势；基于变化趋势计算指定时间段内各浓度传感器所在位置的瓦斯浓度梯度，得到梯度变化序列；针对梯度变化序列，利用长短期记忆网络模型分析梯度在时间维度上的动态演变模式，得到梯度动态特征；获取各浓度传感器所在位置的历史梯度变化特征和历史施工扰动特征，并构建扰动区分模型；基于扰动区分模型对梯度动态特征进行分析，判断梯度变化是否为正常施工扰动引发，若不是，则判定瓦斯浓度变化异常。