基于CS-LSTM的工作面瓦斯浓度智能预测研究
梁运培
栗小雨
李全贵
毛树人
郑梦浩
李建波
煤矿灾害动力学与控制国家重点实验室,重庆 400044;重庆大学资源与安全学院,重庆 400044
摘要：为充分挖掘瓦斯浓度监测数据的变化规律,实现工作面瓦斯浓度的准确预测,提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型.采用样条插值法对瓦斯浓度监测数据的缺失值进行插补,再进行无量纲化处理,得到训练样本;利用布谷鸟搜索(CS)算法对长短期记忆网络(LSTM)的隐藏层层数及其神经元个数、全连接层层数及其神经元个数等4个超参数进行寻优,建立最优瓦斯浓度预测模型,并预测工作面未来12 h的瓦斯浓度.研究结果表明:与LSTM及基于遗传算法(GA)的LSTM模型预测结果相比,在相同迭代次数下,CS算法具有更好的全局寻优能力,有效避免了GA算法易陷入局部最优的不足;基于CS-LSTM预测模型的均方根误差(RMSE)为0.023,该模型与其他2种模型相比精度较高,预测效果较好.
关键词：瓦斯浓度时序预测CSLSTM模型优化智能化非线性
分类号：TD712(矿山安全与劳动保护)TD76(矿山安全与劳动保护)
资助基金：国家自然科学基金(51674050)国家自然科学基金(52074049)
论文发表日期：2022-08-10
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：7( 80-86 )
英文信息