• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于Pearson特征选择的LSTM工作面瓦斯浓度预测模型及应用
  • 149
  • 作者

    刘超张爱琳李树刚薛俊华雷晨张超

  • 单位

    西安科技大学安全科学与工程学院西部矿井开采及灾害防治教育部重点实验室

  • 摘要
    在面向大量特征和大数据时,传统方法存在无法将瓦斯浓度和其影响因素有效耦合起来的问题,导致预测精度低和效率差等。针对传统瓦斯浓度预测方法存在的问题,创新性地提出运用皮尔逊(Pearson)系数对瓦斯浓度数据进行特征选择,再使用自适应矩估计(Adam)优化的长短期记忆神经网络(LSTM)进行时序性预测的方法,并在模型构建的过程中通过比较拟合效果、运行时间和结果误差三个指标不断的调整网络层数和批尺寸(Batch Size)大小得到最优的预测模型。以玉华煤矿2407工作面监测数据为样本,与传统机器学习双向循环神经网络(Bi-RNN)和门控递归单元(GRU)进行对比。结果表明:Pearson-LSTM预测模型更精确,模型的平均均方误差可降到0.015,误差范围为0.005~0.04,对瓦斯浓度时间序列预测具有较好的精确性和鲁棒性。并在玉华煤矿2409工作面进行超前15min预测,均方误差可降到0.008,验证了模型的适用性和可靠性,为煤矿安全生产提供参考意见。
  • 关键词

    煤矿安全循环神经网络瓦斯防治瓦斯浓度预测深度学习

  • 引用格式
    刘超,张爱琳,李树刚,薛俊华,雷晨,张超.基于Pearson特征选择的LSTM工作面瓦斯浓度预测模型及应用[J/OL].煤炭科学技术:1-9[2023-06-14].DOI:10.13199/j.cnki.cst.2022-1618.
  • 相关专题
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联