基于长短期记忆网络的矿工不安全行为研究

作者：鞠春雷; 聂方超^*; 刘文岗; 郭金山; 张江石

来源：煤矿安全, 2020, 51(09): 260-264.

DOI：10.13347/j.cnki.mkaq.2020.09.054

• 不安全行为
• 时间序列
• 循环神经网络
• 长短期记忆网络
• 机器学习

矿工不安全行为的出现是复杂的非线性动力过程,为预测不安全行为时间序列,选择具有"记忆"功能和解决梯度消失问题的长短期记忆网络。使用TensorFlow下Keras搭建基于长短期记忆网络的不安全行为时间序列预测模型,使用A、B煤矿2年共3 405条不安全行为序列数据进行模型训练和测试,根据交叉验证集选择最优参数。实验结果表明:构建的4个时间序列预测模型最小的平均绝对误差为0.080 7,最大的平均绝对误差为0.333 5,能够很好预测煤矿未来一定时间段内的不安全行为。

• 单位
  中国矿业大学（北京）; 北京天地华泰矿业管理股份有限公司