DOI: 10.11799/ce202402004
融合多种模态特征的井下供水管网流量预测
赵安新1
刘鼎1
郭仕林1
战仕发2
陈志刚2
1.西安科技大学 通信与信息工程学院,陕西 西安 7100542.陕西长武亭南煤业有限责任公司,陕西 长武 713600
摘要：煤矿井下供水系统是煤矿安全生产的生命线,供水管网水流量的预测是供水系统优化调度的基础,预测的重要性对供水调度有重要影响.文章提出了一种融合多模态数据特征的煤矿井下供水管网流量预测方法,该方法通过图深度学习的方法实现了对井下管网空间拓扑结构、历史时间依赖、井下实际生产工况、周期相关等多种数据模态特征的融合,具体的,使用添加空间注意机制的图卷积神经网络获取井下管网监测点的空间拓扑关系,然后利用循环神经网络中的门控循环单元获取监测点的时间依赖,并融合煤矿生产规律与不同周期的流量数据形成最终预测结果,通过陕西亭南煤矿实际数据进行实验,结果表明,提出的预测方法相较于SVM、LSTM、STGCN等方法能更准确地预测井下流量未来的趋势,预测偏差分别降低了9.3%、6.84%和3.65%.
关键词：煤矿井下供水管网图神经网络深度学习流量预测
分类号：TP274(自动化技术及设备)
资助基金：陕西省重点研发计划(2022GY-152)陕西省重点研发计划(2023-YBGY-066)
论文发表日期：2024-02-20
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( 24-30 )
英文信息