基于堆叠式LSTM的采煤工作面瓦斯浓度预测方法_中国煤炭行业知识服务平台

基于堆叠式LSTM的采煤工作面瓦斯浓度预测方法

作者

张若楠徐平安周小雨赵琦琦
单位

平安煤炭开采工程技术研究院有限责任公司淮南矿业（集团）有限责任公司
摘要

随着淮南矿区煤炭开采工作向深部煤层开展，煤与瓦斯突出问题成为制约淮南矿区产能的重要因素，为提高瓦斯浓度预测方法的准确度，在长短期时间记忆网络(LSTM)的基础上，模仿深度神经网络通过多层堆叠提升特征能力的方式，提出堆叠式LSTM模型结构，通过多层LSTM结构深度挖掘瓦斯浓度时间序列数据中存在的关联性，从而提高瓦斯浓度预测的准确度。以淮南朱集东煤矿瓦斯监测数据为样本，通过滑动窗口方法制作数据集，并搭建相应实验平台，进行训练与验证。实验结果表明，采用堆叠式LSTM结构相较于传统LSTM结构能够降低网络结构的平均绝对百分误差，并更加准确地预测煤矿瓦斯浓度。
关键词

淮南矿区瓦斯浓度预测LSTM堆叠式LSTM
文章目录

0 引言
1 瓦斯浓度时间序列数据
2 基于堆叠式LSTM的瓦斯浓度预测方法
2.1 长短期时间记忆网络(Long Short Term Time Memory Network, LSTM)
2.2 堆叠式LSTM瓦斯浓度预测方法
3 实验分析
4 结论
DOI

10.20120/j.cnki.issn.1671-749x.2024.0917
引用格式

[1]张若楠,徐平安,周小雨,等.基于堆叠式LSTM的采煤工作面瓦斯浓度预测方法[J].陕西煤炭,2024,43(09):91-94.