基于DRN-BiLSTM模型的矿井涌水量预测
梁满玉1
尹尚先1
姚辉2
夏向学1
徐斌1
李书乾3
张丐卓3
1.华北科技学院河北省矿井灾害防治重点实验室,河北三河0652012.西安科技大学地质与环境学院,陕西西安7100543.中国矿业大学(北京)地球科学与测绘工程学院,北京100083
摘要：针对矿井涌水量预测中存在的深度学习模型预测精度不高和适用性不强的问题,提出了一种基于深度残差网络(Deep Residual Network,DRN)和双向长短记忆网络(Bidirectional short and long memory network,BiLSTM)的矿井涌水量预测方法.首先,将矿井涌水量数据进行小波分解和归一化处理,得到趋势项数据和细节项数据;其次,采用DRN网络方法对趋势项数据进行预测,采用BiLSTM网络方法对细节项数据进行预测;最后,将2部分预测结果进行重构得到矿井涌水量预测结果.研究结果表明:DRN-BiLSTM模型相比于单一模型预测精度更高,说明该模型具有更好的泛化性.
关键词：矿井涌水量DRN-BiLSTM模型深度残差网络双向长短记忆网络小波分解
分类号：TD745(矿山安全与劳动保护)
资助基金：国家自然科学基金(51974126)国家自然科学基金(42202291)教育部长江学者和创新团队发展计划项目(IRT_17R37)中央高校基本科研业务费资助项目(3142022003)
论文发表日期：2023-05-20
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( 56-62 )
英文信息