煤矿井下瓦斯涌出是影响煤矿安全生产的严重灾害之一。为了进一步提高煤矿井下瓦斯浓度预测的准确性，在门循环（GRU）模型的基础上，提出一种基于改进鲸鱼算法优化门循环（MSWOA-GRU）的瓦斯浓度预测模型。首先，使用邻近均值法填补缺失数据并剔除异常数值，然后采用Min-Max标准化将数据归一化处理。其次，使用MSWOA对GRU超参数进行改善，以此构建MSWOA-GRU为核心的煤矿井下瓦斯浓度预测模型。最后，根据煤矿井下瓦斯浓度的实际监测数据，对预测模型进行有效性验证，并进一步对比传统鲸鱼算法优化门循环（WOA-GRU）预测模型和粒子群优化门循环（PSO-GRU）预测模型的预测效果和性能，实验结果表明，MSWOA-GRU模型对比其他模型能在较短的时间内实现准确预测。因此，基于改进WOA-GRU的预测模型，应用于煤矿井下瓦斯预测领域能够有效地预测瓦斯浓度，提升煤矿井下瓦斯浓度的预测准度，提高煤矿安监系统的监测水平。

国家自然科学基金资助项目（61803154）；河北省自然科学基金资助项目（E2019209492）；

0引言
1理论与模型构建
1.1门循环神经网络模型
(1）更新门
(2）重置门
(3）当前候选隐藏状态
(4）最终隐藏状态
1.2鲸鱼优化算法
1.3改进策略
1.4构建煤矿井下瓦斯浓度预测模型
2模型搭建
2.1数据预处理
2.2模型评价指标
2.3模型对比分析
3结语

[1]刘晓悦,王天爱,王朦婕.基于MSWOA-GRU的煤矿瓦斯浓度预测系统[J].煤炭技术,2024,43(11):115-119.