期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于KOA-BiLSTM的矿井淋水井筒风温预测模型及可解释性分析
1
作者 秦跃平 唐飞 +3 位作者 王海蓉 王鹏 郭铭彦 王世斌 《中国安全科学学报》 北大核心 2025年第7期40-47,共8页
为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同... 为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同样本条件下,与反向传播(BP)、随机森林(RF)、最小二乘增强(LSBoost)和支持向量机(SVM)算法进行综合对比;最后,利用沙普利可加性特征解释算法(SHAP)进行可解释性分析及实例验证。研究结果表明:KOA-BiLSTM模型的绝对误差范围为-1.24~0.5℃,比优化前模型的预测精度提高3.98%;与另外4个模型相比,该模型的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方误差(MSE)等均为最佳,表明该模型具有最优的预测效果和泛化能力;SHAP分析表明:井口风流温度对预测结果影响最大,而地面压力影响最小;KOA-BiLSTM模型实例验证的绝对误差范围为-0.49~0.38℃,预测精度可满足实际工作需要。 展开更多
关键词 开普勒优化算法(KOA)-双向长短期记忆网络(BiLSTM)模型 淋水井筒 风温预测模型 可解释性分析 皮尔逊相关性
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部