一种GRU的瓦斯浓度预测改进模型_中国煤炭行业知识服务平台

一种GRU的瓦斯浓度预测改进模型

作者

常亮张恒杨雪欣
单位

黑龙江科技大学计算机与信息工程学院
摘要

针对传统的瓦斯浓度预测算法预测精准度低、鲁棒性较差的问题,提出一种改进GRU网络的瓦斯浓度预测模型。将门控神经网络的输入层替换为堆栈降噪自编码器,在循环单元上加入Dropout层,优化算法收敛速度。结果表明,在特定的数据样本下,改进的S-GRU算法模型比单一模型或组合模型在效率方面提升6%～30%,能够有效提高瓦斯浓度预测的精准度。
关键词

瓦斯浓度预测深度学习门控循环单元堆栈式自编码器
基金项目(Foundation)

黑龙江省省属高校基本科研业务费项目（2019-KYYWF-0735）；
文章目录

0 引言
1 SDAE与GRU
1.1 堆栈式降噪自编码器
1.2 循环神经网络变体
2 SDAE的改进模型
3 结果与分析
3.1 数据和环境
3.2 评价指标和对比算法
（1）评价指标:
（2）对比模型:
3.3 实验结果对比
4 结束语
引用格式

常亮,张恒,杨雪欣.一种GRU的瓦斯浓度预测改进模型[J].黑龙江科技大学学报,2020,30(05):532-535+550.