基于RNN算法的煤矿井下瓦斯浓度预测研究

作者：吕建立

来源：能源与环保, 2023, 45(09): 84-87.

DOI：10.19389/j.cnki.1003-0506.2023.09.014

• RNN算法
• 瓦斯浓度
• Lasso特征选择
• 煤矿安全

煤矿瓦斯事故往往是由瓦斯浓度过高引起的，为使瓦斯浓度保持在安全范围内，利用Lasso回归算法实现瓦斯浓度时间序列的特征选择，并以瓦斯浓度特征集合为对象，建立了基于递归神经网络(RNN)的瓦斯浓度预测模型。以平均绝对百分比误差(MAPE)为性能指标，对RNN算法与SVR和BP神经网络算法模型进行对比分析，结果表明：RNN算法不仅提高了预测精度，而且将相对误差限制在最小范围内，具有更高的稳定性，MAPE可降低到0.305%,预测某矿1206工作面9月28日9:30瓦斯浓度为0.801 9%,建议工作人员实时关注该区域瓦斯浓度变化情况并采用必要的防治措施，能够为矿井瓦斯浓度预测提供理论指导。