基于K-GRU神经网络的采煤机记忆截割及优化
安葳鹏
闫鹏皓
张文博
孙旭旭
河南理工大学 计算机科学与技术学院,河南 焦作 454000
摘要：目的 针对采煤机记忆截割不准确、自动化程度不高的问题,方法 本文提出一种基于K-GRU神经网络的采煤机记忆截割算法,此算法具有更适合处理长时序数据的特点,将算法与采煤机记忆截割结合起来,可以减少采煤过程中滚筒的损坏同时保护工人生命安全.该算法在深层门控循环单元(GRU)的输入端引入比例因子K,用比例因子K表现不同时刻数据的重要程度,以加强模型对长时序数据的记忆性,进而提高记忆截割精度.在模型训练阶段利用随机搜索算法(RS)对深层K-GRU神经网络的超参数选择进行优化,加快模型训练速度.结果 实验中使用Python完成K-GRU模型构建与超参数优化,使用随机搜索算法可以在更短时间内得到超参数最优解,得到超参数epochs为317、batch_size为70的最优解共花费154 s,在最优解情况下计算模型对真实采煤数据预测的误差,得到K-GRU的loss值为 0.046 7、R2 为 0.957 8、EVS为0.965 6、ME为0.083 3.结论 最终表明,优化后的深层K-GRU模型在解释方差得分、最大误差和可决系数方面均优于SVM、KNN、LSTM、RNN和普通GRU模型,显著提高了采煤机记忆截割的适用性和准确性.
关键词：门控循环单元记忆截割随机搜索算法强化因子采煤机
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61872126)河南省高校重点研究基金资助项目(20A520015)
论文发表日期：2024-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 96-104 )
英文信息