顶板事故占煤矿事故的40%～50% ，因此顶板压力（矿压）预测对减少顶板事故发生及保障煤矿安全开采具有重要意义。液压支架压力作为顶板压力的直接反映，可有效表征顶板压力的变化情况。目前多步液压支架压力预测大多为单步迭代累计预测，单步累计次数越多，累计误差越大，预测结果越不准确。为了提高多步液压支架压力预测的准确性，提出了一种基于LSTM−Informer模型的液压支架压力时空多步长预测方法。

       首先将液压支架压力数据经过卡尔曼滤波消除振动噪声，并在工作面端部和中部依据皮尔逊系数各选取相邻的5台液压支架压力数据建立2个时空数据集，对时空数据进行标准化预处理。然后将时空数据输入LSTM模型提取时空特征（预测模型的输入为目标液压支架本身及其周围相邻的5台液压支架的压力数据，输出为目标液压支架未来多个步长压力），并将提取的时空特征输入Informer模型的编码器，经过位置编码后利用多头概率稀疏自注意力关注液压支架压力序列的变化特征，经过最大池化和一维卷积消除最终输出特征图的冗余组合。最后利用多头概率稀疏自注意力进一步关注压力序列特征，将Informer模型的解码器改为全连接层，得到预测结果。

       选用均方根误差（RMSE）和平均绝对误差（MAE）评估LSTM−Informer，LSTM，GRU，Informer模型，分别预测6步长（30 min）、12步长（1 h）和 24步长（2 h）的液压支架压力。LSTM−Informer模型预测结果的RMSE和MAE均最小，说明其预测精度最高。

基于数据集1的预测结果对比

基于数据集2的预测结果对比

余琼芳（1978—），女，湖北武汉人，副教授，博士，研究方向为检测技术与自动化、智能检测与控制、深度学习，E-mail：yuqf@hpu.edu.cn。

余琼芳，杨鹏飞，唐高峰. 基于LSTM−Informer模型的液压支架压力时空多步长预测[J]. 工矿自动化，2024，50（6）：30-35.

YU  Qiongfang,  YANG  Pengfei,  TANG  Gaofeng. Spatiotemporal  multi-step  prediction  of  hydraulic  support  pressure  based  on LSTM-Informer model[J]. Journal of Mine Automation，2024，50（6）：30-35.