基于长短时记忆神经网络的回采工作面瓦斯浓度动态预测

作者：孙卓越; 曹垚林; 杨东; 韩楚健; 马小敏; 赵岳然

来源：煤矿安全, 2019, 50(12): 152-157.

DOI：10.13347/j.cnki.mkaq.2019.12.035

• 时序效应
• 长短时记忆神经网络
• 回采工作面
• 瓦斯浓度
• 动态预测

为提高煤矿回采工作面瓦斯浓度预测精度,考虑瓦斯浓度受历史状态制约,提出长短时记忆神经网络LSTMNN煤矿回采工作面瓦斯浓度动态预测模型。利用山西省某煤矿回采工作面瓦斯浓度实测数据构建该模型学习训练样本,并检验预测效果。研究表明,LSTMNN算法通过遗忘、记忆过程对过去一段时间瓦斯浓度信息进行筛选,克服传统预测方法将输出值独立看待的短板,提高矿井瓦斯浓度预测精确度及可靠性;将LSTMNN算法预测结果与实测值对比,预测模型平均绝对误差、平均相对误差、均方根误差、纳什模型效率指数分别为0.004 319、0.800 6%、0.005 714、0.436 3。

• 单位
  中国矿业大学（北京）; 煤科集团沈阳研究院有限公司; 煤炭科学技术研究院有限公司; 天地科技股份有限公司; 煤矿安全技术国家重点实验室