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

作者：王雨虹; 王淑月; 王志中; 任日昕

来源：传感技术学报, 2021, 34(09): 1196-1203.

• 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

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。

• 单位
  辽宁工程技术大学