基于深度学习的矿井无线网络流量预测研究

作者：王跃文; 常琳; 李鸣

来源：煤矿安全, 2021, 52(12): 153-158+164.

DOI：10.13347/j.cnki.mkaq.2021.12.026

• 残差网络
• 无线网络流量预测
• 循环神经网络
• 矿井无线通信
• 深度学习

为准确预测矿井无线网络流量变化情况,确保井下无线网络安全稳定运行,保障矿井安全生产。在分析无线网络流量特征的基础上提出一种时空卷积全连接网络(CL-FCCNet),它是基于残差网络(ResNets)和循环神经网络(RNN)的无线网络流量预测模型。预测模型能够针对复杂的无线网络工作环境进行流量预测,及流量数据中存在的时空特征,帮助实现流量监控异常自动报警。试验结果表明:模型的预测效果较现有预测方法具有一定的提升。

• 单位
  中国矿业大学; 中国矿业大学（北京）