为保证煤矿安全高效开采，减少顶板事故突发。本研究提出了一种新颖的多变量长时间序列矿压预测模型——经验模态分解线性模型(EMD-Mixer)。与多数固定长度的单一特征矿压预测模型不同，该模型首先引入经验模态分解(EMD)方法将矿压信号中周期性和趋势性分离出来，再通过与长时间预测线性层(LTSF-Linear)组合，形成一个用于提取时间维度特征的模块。此外，设计了时间与通道混合策略，利用处理非线性关系的通道特征模块来处理多变量矿压数据，最后将时间与通道模块的输出使用残差与输入数据相加，得到最终的预测结果。在实验中，将历史窗口设定为36个时间单位，并对预测长度分别为24、36、48和60的不同时间单位进行了测试，结果表明，EMD-Mixer模型在短期至中长期预测范围内均表现出优异的性能和稳定性。将该模型与LTSF-Linear、MTS-Mixer模型以及矿压预测中常用的长短期记忆(LSTM)模型进行了比较，并利用四种评估指标：平均绝对误差(MAE)、均方误差(MSE)、对称平均绝对百分比误差(sMAPE)及绝对系数(R2)对预测结果进行了评价。结果显示，EMD-Mixer模型在所有指标下均展现出更高的预测精确度和预测稳定性。EMD-Mixer模型结构简单，具有较强的泛化能力，能够更有效地适应不同场景下不同级别的多变量矿压数据。为煤矿安全高效生产以及顶板事故的提前预警提供了重要的研究思路。

0 引言
1 经验模态分解线性模型——EMD-Mixer
1.1 经验模态分解
1.2 长期时间序列预测线性层
1.3 预测模型的构建
1.3.1时间维度线性模块
1.3.2通道维度线性模块
2 矿压数据处理
3 实验与结果分析
3.1 数据集
3.2 评估指标
3.2.1 平均绝对误差（MAE）
3.2.2 均方误差（MSE）
3.2.3 对称平均绝对百分比误差（sMAPE）
3.2.4 决定系数（R~(2)）
3.3 超参实验分析
3.4 实验结果及对照分析
3.4.1实验设计与结果
3.4.2 对照实验
4 结论

朱宇伟,王朋飞,王慧娴,等.基于经验模态分解线性模型的矿压预测研究[J/OL].煤炭科学技术,1-11[2024-09-26].http://kns.cnki.net/kcms/detail/11.2402.TD.20240926.0945.001.html.