DOI: 10.11799/ce202512024
基于自适应二次分解与BiLSTM-Transformer的矿井涌水量预测方法研究
何维胜
河南理工大学 安全科学与工程学院,河南 焦作 454000
摘要：矿井涌水量的精准预测对于矿山安全生产与水害防控至关重要.传统预测方法受限于模型假设条件及参数敏感性,难以满足工程对预测精度的高要求.基于此,提出了一种基于改进完全自适应噪声集合经验模态分解(ICEEMDAN)-变分模态分解(VMD)的二次分解技术,并结合双向长短期记忆网络(BiLSTM)与Transformer的矿井涌水量预测新方法.首先通过ICEEMDAN将原始涌水量信号分解为若干固有模态函数(IMFs);接着引入麻雀搜索算法(SSA)对变分模态分解(VMD)的关键参数进行优化,对信号实施二次分解以完成多尺度特征提取.随后通过BiLSTM捕捉时序数据的短期与长期依赖特征,结合Transformer自注意力机制强化全局特征关联建模.实验结果表明,该方法在预测精度与鲁棒性方面均显著优于传统预测方法,为矿井涌水量监测及预警提供了全新的技术路径.
关键词：涌水量预测二次分解BiLSTM麻雀搜索算法多尺度特征提取ICEEMDAN
分类号：TD742(矿山安全与劳动保护)
论文发表日期：2025-12-20
在线出版日期：2026-01-29（本平台首次上网日期，不代表文献的发表时间）
页数：8( 186-193 )
英文信息