Safety in Coal Maines
华北科技学院：连会青教授|基于深度学习的LSTM-GRU复合模型矿井涌水量预测方法研究
作者
连会青, 李启兴, 王 瑞
夏向学, 张 庆, 黄亚坤
任正瑞, 康 佳
单位
华北科技学院 河北省矿井灾害防治重点实验室，河北 三河 065201
摘要
为了解决矿井涌水预测问题，引入深度学习理论，将长短期记忆网络（LSTM）和门控循环单元（GRU）进行结合，选取矿井涌水量为研究对象，建立一种LSTM-GRU的矿井涌水预测模型。以陕西某矿的矿井涌水量为样本数据，采用7∶3的比例将数据集划分为训练集和测试集，选择模型训练效果较好的梯度下降算法确定网络模型参数和正则化参数，为了证明LSTM-GRU模型的预测精度，同时将结果分别与传统的ARIMA模型和LSTM模型预测矿井涌水所得到的预测结果进行对比。结果表明：LSTM-GRU复合模型的平均绝对百分比误差（RMSE）为70.51，均方根误差（MAE）为53.4，平均绝对误差（MAPE）为2.80%，可决系数（R2）为0.86，具有较高的预测精度和可靠性，预测效果优于传统的ARIMA模型和LSTM模型。
作者简介
连会青（1975—），女，山西忻州人，教授，博士，从事矿井水害防治方面的教学和研究工作。
本文引用格式
连会青，李启兴，王瑞，等. 基于深度学习的LSTM-GRU复合模型矿井涌水量预测方法研究[J]. 煤矿安全，2024，55（9）：166−172.
LIAN Huiqing, LI Qixing, WANG Rui, et al. Research on mine water inflow prediction method of LSTM-GRU composite model based on deep learning[J]. Safety in Coal Mines, 2024, 55（9）: 166−172.
