基于WOA-LSTM的工作面瓦斯涌出量预测研究
张玉财
王毅
郭凯岩
太原理工大学 安全与应急管理工程学院,山西 太原 030024
摘要：为了提高瓦斯涌出量预测的科学性和准确性,提出一种基于鲸鱼优化算法(WOA)和长短期记忆网络(LSTM)的瓦斯涌出量多步预测模型.该模型首先采用皮尔逊(Pearson)相关系数法进行瓦斯涌出量影响因素的特征分析,筛选了 9 个主要影响瓦斯涌出量变化的特征作为模型的外部输入特征;其次采用鲸鱼优化算法对LSTM神经网络的隐藏层神经元个数、时间步长、批处理数进行优化;最后,构建WOA-LSTM模型进行瓦斯涌出量预测,实验研究了不同时间步长下模型的预测精度并对比分析了LSTM、RNN、BP模型的预测效果.结果表明:基于WOA-LSTM的瓦斯涌出量多步预测模型在3 个时间步长的预测模型误差值达到最小,其平均绝对误差相较于LSTM、RNN和BP 神经网络模型分别降低了41.6%、46.6%、65.8%,具有较强的鲁棒性,可为矿井瓦斯的防治提供参考.
关键词：瓦斯涌出量预测LSTM鲸鱼优化算法时间序列分析皮尔逊相关系数法多步预测
分类号：TD712.5(矿山安全与劳动保护)
论文发表日期：2023-10-10
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：6( 50-55 )
英文信息