基于CNN-GCN-BiLSTM的煤矿底板突水量预测模型

作者：秋兴国; 李娜^*

来源：煤炭技术, 2022, 41(08): 84-87.

DOI：10.13301/j.cnki.ct.2022.08.019

• 底板突水
• 突水预测
• 图卷积神经网络
• 长短时记忆神经网络
• 卷积神经网络

为了提高煤矿底板突水量预测精度，提出了一种基于CNN-GCN-BiLSTM的煤矿底板突水量预测模型。首先使用二维卷积神经网络（2D-CNN）提取数据局部特征；其次利用图卷积神经网络（GCN）提取数据空间特征；然后通过双向长短时记忆神经网络（BiLSTM）提取时序数据双向序列特征；最后利用长短时记忆神经网络（LSTM）的长期依赖特性实现对煤矿底板突水量的预测。实验结果显示，与其他6种模型相比，CNN-GCN-BiLSTM模型精度最高，MAE和MSE的值分别为6.85%和2.42%，模型预测结果可为煤矿底板水害防治工作提供重要参考和依据。

• 单位
  西安科技大学