基于RNN算法的煤矿井下瓦斯浓度预测研究_中国煤炭行业知识服务平台

基于RNN算法的煤矿井下瓦斯浓度预测研究

作者

吕建立
单位

三门峡龙王庄煤业有限公司
摘要

煤矿瓦斯事故往往是由瓦斯浓度过高引起的，为使瓦斯浓度保持在安全范围内，利用Lasso回归算法实现瓦斯浓度时间序列的特征选择，并以瓦斯浓度特征集合为对象，建立了基于递归神经网络(RNN)的瓦斯浓度预测模型。以平均绝对百分比误差(MAPE)为性能指标，对RNN算法与SVR和BP神经网络算法模型进行对比分析，结果表明：RNN算法不仅提高了预测精度，而且将相对误差限制在最小范围内，具有更高的稳定性，MAPE可降低到0.305%,预测某矿1206工作面9月28日9:30瓦斯浓度为0.801 9%,建议工作人员实时关注该区域瓦斯浓度变化情况并采用必要的防治措施，能够为矿井瓦斯浓度预测提供理论指导。
关键词

RNN算法瓦斯浓度Lasso特征选择煤矿安全
文章目录

1 RNN瓦斯浓度预测模型建立
1.1 模型原理
1.2 数据处理
1.3 分析与建模
2 基于RNN瓦斯浓度预测模型的试验验证
2.1 预测模型的调优
2.2 瓦斯浓度预测拟合效果对比分析
2.3 煤矿工作面瓦斯浓度预测实验分析
3 结论
引用格式

吕建立.基于RNN算法的煤矿井下瓦斯浓度预测研究[J].能源与环保,2023,45(09):84-87.DOI:10.19389/j.cnki.1003-0506.2023.09.014.