基于Prophet+LSTM模型的煤矿井下工作面矿压预测研究
曾庆田1
吕珍珍2
石永奎3
田广宇2
林泽东2
李超4
1.山东科技大学 电子信息工程学院,山东 青岛 266590;山东科技大学 计算机科学与工程学院,山东 青岛 2665902.山东科技大学 计算机科学与工程学院,山东 青岛 2665903.山东科技大学 能源与矿业工程学院,山东 青岛 2665904.山东科技大学 电子信息工程学院,山东 青岛 266590
摘要：为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM.该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方法减少噪声和随机误差;其次在深入分析Prophet模型和LSTM模型特性基础上,通过添加额外回归变量方法融合相邻多支架矿压数据;最后为充分利用Prophet模型和LSTM模型的优势,构建了一种Prophet+LSTM组合模型对工作面矿压进行预测,通过线性加权组合方法获取最有权重系数使模型预测结果误差逐步减少.以均方根误差(RMSE)和平均绝对误差(MAE)来评估Prophet+LSTM模型对矿压时间序列的预测效果.预测模型在某矿工作面支架矿压时序数据的应用结果表明:经过数字信号处理后的支架矿压预测结果RMSE和MAE分别下降了约20％和16％,Prophet模型和LSTM模型的预测结果优于传统的BP神经网络和ARIMA模型,且Prophet+LSTM模型预测方法较其单项模型具有更强的稳定性和更高的准确性,实现了对工作面在推进过程中矿压变化的有效预测.该预测方法对煤矿井下工作面矿压预测提供了研究思路.
关键词：矿压预测时间序列预测Prophet模型LSTM神经网络
分类号：TP391(计算技术、计算机技术)TD323(矿山压力与支护)
资助基金：山东省科技计划(2016ZDJS02A11)山东省高等学校工业物联网工程技术研发中心开放课题(KF2019003)
论文发表日期：2021-07-25
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：8( 16-23 )
英文信息