基于深度学习的矿井瓦斯浓度预测算法研究与实现 被引量：1

1

作者 王宝会 高瞻 +1 位作者 徐林 谭英洁 《计算机科学》 北大核心 2025年第S1期614-620,共7页

目前国内外构建瓦斯浓度传统预测算法主要是ARIMA模型和SVM模型。随着深度学习技术的快速发展以及神经网络的兴起,最新的瓦斯浓度预测通过循环神经网络模型进行预测。循环神经网络因为具有非线性特点,并且考虑到了数据间的联系,所以预... 目前国内外构建瓦斯浓度传统预测算法主要是ARIMA模型和SVM模型。随着深度学习技术的快速发展以及神经网络的兴起,最新的瓦斯浓度预测通过循环神经网络模型进行预测。循环神经网络因为具有非线性特点,并且考虑到了数据间的联系,所以预测效果相比传统预测算法有了进一步提升。而当样本序列长度加长时,由于其模型固有缺陷,预测能力会降低。文中针对此问题提出了一种新型的瓦斯浓度预测模型。卷积神经网络结合循环神经网络的方式,并且加入注意力机制增加数据间的表达能力。通过使用山西汾西矿业集团中兴煤业1209工作面的实际数据进行测试,传统的循环神经网络模型预测的平均相对误差为0.042 1,所提模型预测的平均相对误差为0.029 3。实验表明提出的算法相比瓦斯浓度传统预测算法获得了更好的预测性能。 展开更多

关键词 瓦斯浓度预测 深度学习 卷积神经网络 循环神经网络 Attention机制 LSTM

在线阅读 下载PDF 职称材料

基于动态图卷积Transformer的瓦斯浓度预测模型

2

作者 董立红 赵楠楠 +1 位作者 王丹 秦昳 《工矿自动化》 北大核心 2025年第9期72-80,共9页

准确预测瓦斯浓度对预防瓦斯灾害事故至关重要,预测精度受瓦斯浓度时间变化规律和瓦斯扩散时空分布特征的双重影响。现有的模型驱动预测方法难以胜任长期和大规模瓦斯浓度预测任务,而数据驱动预测方法未考虑动态空间维度特征的影响,导... 准确预测瓦斯浓度对预防瓦斯灾害事故至关重要,预测精度受瓦斯浓度时间变化规律和瓦斯扩散时空分布特征的双重影响。现有的模型驱动预测方法难以胜任长期和大规模瓦斯浓度预测任务,而数据驱动预测方法未考虑动态空间维度特征的影响,导致模型泛化性能较差。为了捕获瓦斯浓度变化的时空依赖性,提高瓦斯预测精确性,提出一种融合多尺度机制的时序−动态图卷积Transformer(TDMformer)并用于构建瓦斯浓度预测模型。在ITransformer框架基础上,设计了时序−变量注意力机制,用于同时建模时序与变量维度特征;融合动态图卷积网络,用于描述井下瓦斯传感器网络拓扑结构,捕获瓦斯浓度数据的空间依赖性;引入多尺度门控Tanh单元,以增强多尺度特征提取能力。实验结果表明,与Graph−WaveNet,GRU,Transformer,AGCRN,DSformer,STAEformer,FourierGNN等模型相比,TDMformer模型的均方根误差分别降低了24.87%,26.37%,21.69%,19.57%,11.90%,10.84%,9.20%,平均绝对误差分别降低了17.09%,25.58%,26.89%,14.56%,11.10%,5.75%,4.53%,拟合系数分别提高了5.94%,6.51%,4.79%,4.12%,2.21%,2.08%,1.76%,验证了该模型具有更高的预测精度和数据拟合度。 展开更多

关键词 瓦斯浓度预测 TRANSFORMER ITransformer 动态图卷积网络 时序-变量注意力机制

在线阅读 下载PDF 职称材料

基于xLSTM-Informer的瓦斯浓度预测模型研究

3

作者 谭波 杨宽 +5 位作者 隋龙琨 左云飞 高赛逸 汤松鹭 高科天 贾锦祥 《工矿自动化》 北大核心 2025年第9期81-89,共9页

针对矿井瓦斯浓度预测任务中存在的多变量非线性耦合、长期依赖建模能力不足及模型滞后响应严重等问题,提出了一种融合扩展型长短期记忆网络(xLSTM)与Informer结构的复合型预测模型(xLSTM-Informer)。将xLSTM作为前置处理器,通过多层残... 针对矿井瓦斯浓度预测任务中存在的多变量非线性耦合、长期依赖建模能力不足及模型滞后响应严重等问题,提出了一种融合扩展型长短期记忆网络(xLSTM)与Informer结构的复合型预测模型(xLSTM-Informer)。将xLSTM作为前置处理器,通过多层残差记忆单元提取短时间窗口内的波动模式与变量间的耦合信息,并将其转换为结构化时序序列表征,再将处理后的时序表示输入至Informer主干结构中,进一步在扩展的时间窗口中提取全局依赖关系与稳定趋势,从而在保持细节响应的同时增强预测的时序连续性。基于井下束管监测系统采集的多源环境参数数据,开展特征重要性分析,选取O_(2)浓度、温度与风速3个指标作为输入变量,构建输入特征体系。利用xLSTM提取深层时序特征,并通过Informer中引入的ProbSparse自注意力机制,有效捕捉时序特征中的全局依赖关系,从而提升模型对非平稳性瓦斯浓度预测的能力。为评估xLSTM-Informer模型在瓦斯浓度预测任务中的性能优势,与xLSTM模型、Transformer模型及经典Informer模型进行比较,结果表明:xLSTM-Informer模型在平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)与决定系数R^(2)上均取得最优性能,R^(2)达0.954,较对比模型分别提升了21.4%,17.8%和19.4%。为进一步验证xLSTM-Informer模型在瓦斯浓度预测任务中的有效性与适应性,选取某矿井综放工作面实测传感器数据进行实例验证,同时与LSTM-Transformer,RNN-Informer,LSTM-Informer和双向LSTM-Informer(BiLSTM-Informer)4类复合模型进行对比,结果表明:xLSTM-Informer模型在瓦斯浓度变化趋势与关键拐点的响应方面均优于对比模型,表现出较高的拟合性和时序同步性。 展开更多

关键词 瓦斯浓度预测 长时间序列预测 xLSTM INFORMER ProbSparse自注意力机制

在线阅读 下载PDF 职称材料

基于PCA−Transformer的工作面瓦斯浓度预测算法研究 被引量：1

4

作者 杨建 舒龙勇 +2 位作者 张书林 秦凯 崔聪 《工矿自动化》 北大核心 2025年第5期1-7,共7页

针对目前工作面瓦斯浓度预测的研究样本在特征维度及数据体量方面偏小,难以从大规模时序数据中挖掘出瓦斯浓度长时间尺度上波动规律的问题,提出一种基于主成分分析(PCA)−Transformer的工作面瓦斯浓度预测算法。首先,对瓦斯浓度原始数据... 针对目前工作面瓦斯浓度预测的研究样本在特征维度及数据体量方面偏小,难以从大规模时序数据中挖掘出瓦斯浓度长时间尺度上波动规律的问题,提出一种基于主成分分析(PCA)−Transformer的工作面瓦斯浓度预测算法。首先,对瓦斯浓度原始数据进行数据清洗,采用最小−最大特征缩放标准化公式对清洗后的数据进行归一化操作。然后,利用PCA对7种影响工作面瓦斯浓度的因素(上隅角瓦斯浓度、回风流瓦斯浓度、氧气浓度、一氧化碳浓度、温度、纯流量、风速)进行降维处理,有效剔除与工作面浓度相关性较低的影响因素。最后,将处理后的训练集输入到Transformer模型,通过编码器、解码器提取瓦斯浓度内在的变化规律和特征。以某高瓦斯矿井224工作面监测数据为样本,利用PCA−Transformer预测模型与长短时记忆神经网络(LSTM)、PCA−LSTM及Transformer等预测模型进行对比分析,结果表明:①PCA−Transformer模型的平均绝对误差为0.0203,均方误差为0.0472,运行时间为86 s,能够满足煤矿生产对瓦斯浓度预测的精度与时效要求。②相较于LSTM,PCA−LSTM,Transformer等预测模型,PCA−Transformer预测模型能够更好地拟合瓦斯浓度变化趋势,有效识别波峰、波谷序列特征,计算耗时最少,验证了PCA−Transformer预测模型的有效性。 展开更多

关键词 工作面瓦斯浓度预测 瓦斯时序数据 主成分分析 TRANSFORMER 降维处理

在线阅读 下载PDF 职称材料

基于频谱声学方法的深部掘进工作面瓦斯浓度预测研究

5

作者 张建国 王文唱 +2 位作者 魏风清 冯志成 闵瑞 《矿业科学学报》 北大核心 2025年第5期821-833,共13页

瓦斯浓度的精准预测是防范深部煤矿动力灾害的关键。针对当前瓦斯浓度预测依赖大量历史数据及动静态参数的不足,引入俄罗斯煤矿的频谱声学方法。采用灰色关联度分析(GRA)和系统聚类分析(HCA)从频谱声学方法人工声学信号指标中筛选出与... 瓦斯浓度的精准预测是防范深部煤矿动力灾害的关键。针对当前瓦斯浓度预测依赖大量历史数据及动静态参数的不足,引入俄罗斯煤矿的频谱声学方法。采用灰色关联度分析(GRA)和系统聚类分析(HCA)从频谱声学方法人工声学信号指标中筛选出与瓦斯浓度关联紧密的指标;采用模拟退火算法(SAA)中迭代退火策略确定变分模态分解(VMD)中模态分量总数K和惩罚系数α,借助优化后的VMD将含噪瓦斯浓度信号解构成数个频率不同但相对平稳的模态分量;通过SAA随机扰动策略验证广义回归神经网络(GRNN)优化模型光滑因子σ的最优值,利用改进后的GRNN优化模型有效预测各模态分量并重构各预测结果。研究结果表明:通过“解构-预测-聚合”机制能够有效压制噪声干扰和明显降低非线性复杂程度,从而提高预测模型的准确性;与4种对照模型相比,基于频谱声学方法的VMD-SAA-GRNN优化模型在瓦斯浓度动态预测中表现出更强的泛化能力和更高的精度。研究结果可为深部掘进工作面瓦斯防治提供参考。 展开更多

关键词 瓦斯浓度预测 频谱声学方法 变分模态分解 模拟退火算法 广义回归神经网络

在线阅读 下载PDF 职称材料

基于SSA-LSTM的瓦斯浓度预测模型 被引量：9

6

作者 兰永青 乔元栋 +2 位作者 程虹铭 雷利兴 罗化峰 《工矿自动化》 CSCD 北大核心 2024年第2期90-97,共8页

为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及... 为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及异常数据进行处理,再进行归一化和小波阈值降噪;对比测试了SSA与灰狼优化(GWO)算法、粒子群优化(PSO)算法的性能差异,验证了SSA在寻优精度、收敛速度和适应能力等方面的优势;利用SSA的自适应性依次对LSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优,以此来提高全局寻优能力,避免预测模型陷入局部最优;将得到的最佳超参数组合代入LSTM网络模型中,输出预测结果。将SSA-LSTM与LSTM、GWO-LSTM、PSO-LSTM瓦斯浓度预测模型进行比较,实验结果表明:基于SSA-LSTM的瓦斯浓度预测模型的均方根误差(RMSE)较LSTM,PSO-LSTM,GWO-LSTM分别减少了77.8%,58.9%,69.7%;平均绝对误差(MAE)分别减少了83.9%,37.8%,70%,采用SSA优化的LSTM预测模型相较于传统LSTM模型具有更高的预测精度和鲁棒性。 展开更多

关键词 瓦斯浓度预测 时序预测 深度学习 长短期记忆网络 麻雀搜索算法 超参数寻优

在线阅读 下载PDF 职称材料

基于多特征和XGBoost算法的煤矿瓦斯浓度预测 被引量：2

7

作者 罗志强 翟昊 佟佳俊 《中国矿业》 北大核心 2024年第S01期359-363,370,共6页

煤矿瓦斯事故的发生与瓦斯浓度变化密切相关,准确预测瓦斯浓度变化对于预防瓦斯事故具有重要意义。虽然研究人员对煤矿瓦斯浓度预测进行了广泛的研究,但由于煤矿井下瓦斯浓度变化受多种复杂因素影响,表现出不稳定性和非线性,给预测带来... 煤矿瓦斯事故的发生与瓦斯浓度变化密切相关,准确预测瓦斯浓度变化对于预防瓦斯事故具有重要意义。虽然研究人员对煤矿瓦斯浓度预测进行了广泛的研究,但由于煤矿井下瓦斯浓度变化受多种复杂因素影响,表现出不稳定性和非线性,给预测带来很大困难。近年来,基于深度学习的预测算法由于其良好性能而逐渐得到关注,一方面,随着数据量的增加,基于深度学习的预测方法需要更多训练时间,易导致过拟合现象的发生。另一方面,现有大多数深度学习模型通常只考虑历史瓦斯浓度,输入特征过于单一。为了解决上述问题,本文提出了一种基于多特征和XGBoost算法的瓦斯浓度预测模型,该模型可以同时将历史瓦斯浓度、温度、风速等特征作为模型的输入,并依据XGBoost模型内置的梯度提升算法和决策树提升模型的训练速度。实验结果显示,本文所提出的预测方法比现有深度学习模型的瓦斯浓度预测误差更小,训练速度更快。 展开更多

关键词 瓦斯浓度预测 多特征 XGBoost算法 深度学习 矿业安全

在线阅读 下载PDF 职称材料

煤矿掘进工作面瓦斯浓度预测 被引量：1

8

作者 陈鲜展 沈易成 +1 位作者 洪飞扬 石绅 《工矿自动化》 CSCD 北大核心 2024年第4期128-132,共5页

针对目前瓦斯浓度预测方法存在数据处理不确定性、特征提取局限性及受主观性因素影响产生预测偏差等问题,提出了一种用于煤矿掘进工作面的瓦斯浓度预测方法。首先,在煤矿掘进工作面回风巷内每隔1 m布设激光瓦斯传感器,形成传感器网络,... 针对目前瓦斯浓度预测方法存在数据处理不确定性、特征提取局限性及受主观性因素影响产生预测偏差等问题,提出了一种用于煤矿掘进工作面的瓦斯浓度预测方法。首先,在煤矿掘进工作面回风巷内每隔1 m布设激光瓦斯传感器,形成传感器网络,实时采集瓦斯浓度数据。然后,根据拉依达准则搜索并剔除瓦斯浓度数据中的异常值,并利用Lagrange插值多项式填补瓦斯浓度数据中的缺失值。最后,以剔除异常值及填补缺失值的瓦斯浓度数据为基础,采用经验模态分解算法将瓦斯浓度数据分解成本征模态函数和趋势项,再利用Hilbert变换对本征模态函数进行处理以获取数据的高频项和低频项,并将其输入最小二乘支持向量机中进行加权处理,输出瓦斯浓度预测结果。通过掘进工作面模拟装置进行瓦斯浓度预测模拟试验,并在某煤矿掘进工作面进行现场试验,结果表明:该方法预测的瓦斯浓度与实际测量值非常接近,均方误差小,表明预测结果准确率高;均方误差波动幅度小,表明适应性好,预测结果的稳定性强;预测用时短,表明预测效率高。 展开更多

关键词 掘进工作面 瓦斯浓度预测 拉依达准则 LAGRANGE插值 经验模态分解 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究 被引量：15

9

作者 付华 丰盛成 +1 位作者 刘晶 唐博 《传感技术学报》 CAS CSCD 北大核心 2016年第2期285-289,共5页

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计(DE-EDA)算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪... 瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计(DE-EDA)算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群(PSO)算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。 展开更多

关键词 无线传感网络 瓦斯浓度预测 支持向量机 参数优化 差分进化 分布估计算法 预测模型

在线阅读 下载PDF 职称材料

IGA-DFNN在瓦斯浓度预测中的应用 被引量：10

10

作者 付华 李文娟 +2 位作者 孟祥云 王桂花 王灿祥 《传感技术学报》 CAS CSCD 北大核心 2014年第2期262-266,共5页

为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化... 为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。 展开更多

关键词 瓦斯浓度预测 无线传感网络 DFNN网络 IGA算法 小波分析

在线阅读 下载PDF 职称材料

基于PSO-Adam-GRU的煤矿瓦斯浓度预测模型 被引量：24

11

作者 马莉 潘少波 +2 位作者 代新冠 宋爽 石新莉 《西安科技大学学报》 CAS 北大核心 2020年第2期363-368,共6页

煤矿瓦斯浓度的精准预测是矿井瓦斯防治的关键。为了准确可靠地预测工作面瓦斯浓度,提出了一种基于门控循环单元方法的工作面瓦斯浓度预测模型。采用邻近均值法对数据缺失值和异常值进行补全,采用MinMaxScaler方法对实验数据进行归一化... 煤矿瓦斯浓度的精准预测是矿井瓦斯防治的关键。为了准确可靠地预测工作面瓦斯浓度,提出了一种基于门控循环单元方法的工作面瓦斯浓度预测模型。采用邻近均值法对数据缺失值和异常值进行补全,采用MinMaxScaler方法对实验数据进行归一化处理,为了提高模型精度和稳定性,采用粒子群算法和Adam算法对GRU超参数进行优化,从而构建了基于PSO-Adam-GRU的工作面瓦斯浓度预测模型。以崔家沟煤矿生产监测数据为样本数据进行模型训练,采用平均绝对误差、均方根误差、运行时间3种评价指标对预测模型性能进行评估,并将预测结果与BPNN和LSTM进行对比。结果表明:PSO-Adam-GRU较BPNN和LSTM具有更高的精度和稳定性,在预测过程中MAE可降低到0.058,RMSE可降低到0.005.结果表明,基于PSO-Adam-GRU的瓦斯浓度预测模型和参数优选方法可有效预测出瓦斯浓度,该模型在瓦斯浓度时间序列预测方面具有更高的准确性和鲁棒性,可为矿井瓦斯治理提供一定指导意见。 展开更多

关键词 煤矿安全 瓦斯浓度预测 门控循环单元 粒子群算法

在线阅读 下载PDF 职称材料

基于随机隐含层权值神经网络的瓦斯浓度预测 被引量：8

12

作者 张以文 郭海帅 +1 位作者 涂辉 余国锋 《计算机工程与科学》 CSCD 北大核心 2019年第4期699-707,共9页

煤矿的安全生产一直是人们重点研究的课题之一。在众多的煤矿开采安全事故中,瓦斯引起的事故占到了大多数。对井下生产线的瓦斯浓度进行实时准确的预测,提前预知生产环境是否处于安全状态,对煤矿的安全生产来说意义重大。针对这一问题,... 煤矿的安全生产一直是人们重点研究的课题之一。在众多的煤矿开采安全事故中,瓦斯引起的事故占到了大多数。对井下生产线的瓦斯浓度进行实时准确的预测,提前预知生产环境是否处于安全状态,对煤矿的安全生产来说意义重大。针对这一问题,提出了一种基于NSGA-II训练的随机隐含层神经网络(BNSGA-II NN)来进行瓦斯浓度预测的方法。一方面,NSGA-II需要设定的参数少,使用较为简单;另一方面,NSGA-II中的交叉变异机制避免了陷入局部最优解。为了证明NSGA-II训练的随机隐含权值神经网络的预测质量,通过实验与PSOGSA训练的随机隐含层神经网络(PSOGSA NN)进行了对比。实验结果表明,BNSGA-II NN的预测质量明显高于PSOGSA NN的预测质量。 展开更多

关键词 瓦斯浓度预测 随机隐含层权值 神经网络 BNSGA-Ⅱ NN

在线阅读 下载PDF 职称材料

独立成分分析在瓦斯浓度预测中的应用研究 被引量：9

13

作者 龚星宇 常心坦 贾澎涛 《工矿自动化》 北大核心 2015年第4期82-86,共5页

为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(kNN)法的反向传播人工神经网络(BP-ANN)预测模型。利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不含噪声的独立成... 为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(kNN)法的反向传播人工神经网络(BP-ANN)预测模型。利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不含噪声的独立成分重新构建训练集;运用k-NN法减小训练集规模,引入混合距离测度函数降低训练过程的计算复杂度。实验结果表明,该预测模型较普通BP-ANN模型有效减小了瓦斯浓度预测误差和训练时间。 展开更多

关键词 瓦斯浓度预测 独立成分分析 k-最近邻法 反向传播人工神经网络

在线阅读 下载PDF 职称材料

基于马尔科夫残差修正的瓦斯浓度预测 被引量：19

14

作者 韩婷婷 吴世跃 王鹏军 《工矿自动化》 北大核心 2014年第3期28-31,共4页

针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦... 针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。 展开更多

关键词 瓦斯浓度预测 马尔科夫链 残差修正 灰色神经网络

在线阅读 下载PDF 职称材料

基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研究 被引量：17

15

作者 王雨虹 王淑月 +1 位作者 王志中 任日昕 《传感技术学报》 CAS CSCD 北大核心 2021年第9期1196-1203,共8页

为了高效挖掘煤矿安全监测监控系统海量数据中包含的有效信息,提高煤矿瓦斯浓度预测精度,提出一种改进的蝗虫优化算法(IGOA)优化长短时记忆神经网络(LSTM)的多参数瓦斯浓度预测模型。首先对瓦斯多参数时间序列进行相关性分析和小波去噪... 为了高效挖掘煤矿安全监测监控系统海量数据中包含的有效信息,提高煤矿瓦斯浓度预测精度,提出一种改进的蝗虫优化算法(IGOA)优化长短时记忆神经网络(LSTM)的多参数瓦斯浓度预测模型。首先对瓦斯多参数时间序列进行相关性分析和小波去噪;其次通过重构线性缩减因子c、引入柯西-高斯混合变异和最优邻域扰动策略联合改进蝗虫优化算法,提高其全局寻优能力,以此来优化LSTM相关超参数,构建瓦斯浓度预测模型;最后,以实测数据为样本进行实验验证,将提出的模型与BP、LSTM、PSO-LSTM以及GOA-LSTM模型对比,可得到提出的模型具有更好的预测效果,平均绝对百分比误差和均方根误差两种误差评价指标分别为0.531%、2.48×10^(-3)。结果表明,提出的瓦斯浓度预测模型具有更高的预测性能。 展开更多

关键词 瓦斯浓度预测 改进蝗虫优化算法 LSTM 多参数时间序列 深度学习

在线阅读 下载PDF 职称材料

基于多传感器-深度长短时记忆网络融合的瓦斯浓度预测研究 被引量：13

16

作者 付华 刘雨竹 +1 位作者 徐楠 张俊男 《传感技术学报》 CAS CSCD 北大核心 2021年第6期784-790,共7页

为充分利用井下多传感器数据源中的有效信息进一步提升井下瓦斯浓度预测模型的预测性能,提出建立一种基于深度LSTM(long short-term memory,长短时记忆)网络的多传感器瓦斯浓度预测模型,首先利用Pearson(皮尔逊)相关系数法筛选出与瓦斯... 为充分利用井下多传感器数据源中的有效信息进一步提升井下瓦斯浓度预测模型的预测性能,提出建立一种基于深度LSTM(long short-term memory,长短时记忆)网络的多传感器瓦斯浓度预测模型,首先利用Pearson(皮尔逊)相关系数法筛选出与瓦斯浓度强关联变量作为模型输入参数,降低输入数据规模与复杂度,并对其进行多变量相空间重构,采用随机搜索算法对LSTM网络超参数进行自动寻优,建立参数最优的多传感器时间序列动态预测模型,通过算例研究表明,相较于常用的时序建模预测算法,所提方法能够更好的追踪瓦斯浓度变化趋势并在单步及多步滚动预测方面,依然具有较好的预测性能. 展开更多

关键词 瓦斯浓度预测 LSTM网络 多传感器数据 多变量相空间重构 Pearson相关系数法

在线阅读 下载PDF 职称材料

基于混沌粒子群神经网络的瓦斯浓度预测 被引量：8

17

作者 耿越 《中国煤炭》 北大核心 2017年第3期124-129,共6页

通过定量法确定瓦斯浓度数据具有混沌特性,计算瓦斯序列的延迟时间和最优嵌入维数并对其相空间重构。在混沌分析的基础上结合人工神经网络技术,针对传统RBFNN模型参数确定的问题,提出通过粒子群算法对网络参数优化,建立了CT—PSO—RBFN... 通过定量法确定瓦斯浓度数据具有混沌特性,计算瓦斯序列的延迟时间和最优嵌入维数并对其相空间重构。在混沌分析的基础上结合人工神经网络技术,针对传统RBFNN模型参数确定的问题,提出通过粒子群算法对网络参数优化,建立了CT—PSO—RBFNN预测模型。利用实际煤矿监测数据对提出的模型训练预测,并与其他3种模型横向对比,得出性能排序为CT—PSO—RBFNN>T—PSO—RBFNN>CT—RBFNN>T—RBFNN。结果证明,CT—PSO—RBFNN模型预测精度高、预测误差小、性能稳定,能够为瓦斯灾害的预报预警提供一定技术支持。 展开更多

关键词 瓦斯浓度预测 煤矿安全 混沌分析 粒子群优化径向基函数神经网络 预报预警

在线阅读 下载PDF 职称材料

基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型 被引量：2

18

作者 温廷新 陈思宇 《中国安全生产科学技术》 CAS CSCD 北大核心 2023年第7期57-62,共6页

为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用H... 为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用Holt生成时序瓦斯浓度的水平、趋势分量,并与时序瓦斯浓度历史数据构成特征组合,以此获取具有高度预测性的特征;接着,基于构建的特征组合,搭建FCIH-TCN时序瓦斯浓度预测框架;最后,采用多个模型进行对比实验。研究结果表明:使用IAPSO后,Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度;FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。 展开更多

关键词 时序瓦斯浓度预测 特征组合 自适应粒子群 霍尔特指数平滑(Holt) 时间卷积网络(TCN)

在线阅读 下载PDF 职称材料

基于极值统计理论的瓦斯浓度预测模型研究 被引量：1

19

作者 杨洋 郭佳 郭力 《中国煤炭》 北大核心 2009年第6期61-64,92,共5页

以构造单位时间段内瓦斯浓度最大值的极值统计模型作为评价或预测评估瓦斯爆炸预警临界值的依据,阐述了矿井瓦斯浓度的极值统计方法及基于R统计分析软件的实证分析,从而为瓦斯爆炸预警临界值的确定提供可靠的方法。

关键词 极值统计 瓦斯浓度预测 Frechet分布 R统计分析软件

在线阅读 下载PDF 职称材料

基于混沌相空间重构的IGA-LSSVM在线煤矿工作面瓦斯浓度预测模型的研究 被引量：1

20

作者 李绍良 王茜 +1 位作者 张毅 张磊 《中国煤炭》 2019年第5期41-45,54,共6页

为了改进煤矿工作面瓦斯浓度预测可靠性和精度,运用基于混沌相空间重构的免疫遗传最小二乘支持向量机瓦斯浓度预测方法,把瓦斯浓度当做一组非线性混沌时间序列,使用相空间重构以恢复混沌时间序列在高维空间的运动轨迹,即混沌吸引子,运用... 为了改进煤矿工作面瓦斯浓度预测可靠性和精度,运用基于混沌相空间重构的免疫遗传最小二乘支持向量机瓦斯浓度预测方法,把瓦斯浓度当做一组非线性混沌时间序列,使用相空间重构以恢复混沌时间序列在高维空间的运动轨迹,即混沌吸引子,运用IGA-LSSVM模型预测混沌吸引子未来的运动轨迹,再把预测的运动轨迹还原到时间序列中,得到预测的瓦斯浓度。研究表明,运用混沌IGA-LSSVM模型预测瓦斯浓度,由于引入了混沌吸引子,使模型不同于传统预测所建立的主观模型(如神经网络),而是直接根据数据序列本身计算出来的客观规律(混沌吸引子)进行预测,并且使用免疫遗传算法(IGA)对LSSVM模型的参数进行优化选择,可以避免预测的人为主观性,提高预测的精度和可信度。 展开更多

关键词 瓦斯浓度预测 混沌时间序列 相空间重构 混沌吸引子 IGA-LSSVM

在线阅读 下载PDF 职称材料