期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
EMD-GRU组合模型在煤矿瓦斯体积分数预测中的应用 被引量:1
1
作者 盛武 樊斌斌 《安全与环境学报》 北大核心 2025年第4期1339-1348,共10页
为更好厘清瓦斯体积分数数据中长期依赖关系,实现更加精确的瓦斯体积分数预测,提出一种基于经验模态分解算法—门控循环单元(Empirical Mode Decomposition-Gated Recurrent Unit,EMD-GRU)组合的瓦斯体积分数预测方法。该方法通过经验... 为更好厘清瓦斯体积分数数据中长期依赖关系,实现更加精确的瓦斯体积分数预测,提出一种基于经验模态分解算法—门控循环单元(Empirical Mode Decomposition-Gated Recurrent Unit,EMD-GRU)组合的瓦斯体积分数预测方法。该方法通过经验模态分解算法(Empirical Mode Decomposition,EMD)将复杂瓦斯体积分数数据分解为多个平稳序列,并对每个序列采用双层门控循环单元(Gated Recurrent Uni,GRU)进行时序预测;然后,将各分量预测结果叠加重构,得到最终的预测结果;最后,将EMD-GRU模型应用于某矿智能综采工作面瓦斯气体体积分数预测。结果表明:EMD-GRU模型较经验模态分解-长短期记忆(Empirical Mode Decomposition-Long Short-Term Memory,EMD-LSTM)神经网络模型、传统长短期记忆(Long Short-Term Memory,LSTM)神经网络模型和GRU模型,其均方误差(ERMS)分别减少11.57%、33.86%、48.78%,平均绝对百分比误差(EMAP)分别降低19.55%、28.23%和32.76%,同时,在测试集中有着更高的拟合效果(R2=0.9789),验证了该模型有较高的精准度和泛化性。 展开更多
关键词 安全工程 经验模态分解 门控循环单元 井下监测数据 瓦斯体积分数预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部