-
作者
梁满玉尹尚先姚辉夏向学徐斌李书乾张丐卓
-
单位
华北科技学院河北省矿井灾害防治重点实验室西安科技大学地质与环境学院中国矿业大学（北京）地球科学与测绘工程学院
-
摘要
针对矿井涌水量预测中存在的深度学习模型预测精度不高和适用性不强的问题，提出了一种基于深度残差网络（Deep Residual Network, DRN）和双向长短记忆网络（Bidirectional short and long memory network, BiLSTM）的矿井涌水量预测方法。首先，将矿井涌水量数据进行小波分解和归一化处理，得到趋势项数据和细节项数据；其次，采用DRN网络方法对趋势项数据进行预测，采用BiLSTM网络方法对细节项数据进行预测；最后，将2部分预测结果进行重构得到矿井涌水量预测结果。研究结果表明：DRN-BiLSTM模型相比于单一模型预测精度更高，说明该模型具有更好的泛化性。
-
关键词
矿井涌水量DRN-BiLSTM模型深度残差网络双向长短记忆网络小波分解
-
基金项目(Foundation)
国家自然科学基金资助项目（51974126,42202291）；教育部“创新团队发展计划”滚动支持资助项目（IRT＿17R37）；中央高校基本科研业务费资助项目（3142022003）；
-
文章目录
1 基础理论
1.1 小波分解与重构
1.2 深度残差网络
1.3 LSTM和BiLSTM
2 DRN-BiLSTM模型
3 矿井涌水量预测结果
4 结语
-
引用格式
梁满玉,尹尚先,姚辉,夏向学,徐斌,李书乾,张丐卓.基于DRN-BiLSTM模型的矿井涌水量预测[J].煤矿安全,2023,54(05):56-62.DOI:10.13347/j.cnki.mkaq.2023.05.009.
-
相关文章
-
相关专题
煤矿安全 
2023年第05期 
