基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型

作者：温廷新; 陈思宇^*

来源：中国安全生产科学技术, 2023, 19(07): 57-62.

• 时序瓦斯浓度预测
• 特征组合
• 自适应粒子群
• 霍尔特指数平滑(Holt)
• 时间卷积网络(TCN)

为了提升时序瓦斯浓度预测精度，提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先，基于粒子群(PSO)算法重构惯性权重和加速因子，设计自适应粒子群(IAPSO)寻优算法；然后，利用IAPSO优化霍尔特指数平滑(Holt)相关超参数，应用Holt生成时序瓦斯浓度的水平、趋势分量，并与时序瓦斯浓度历史数据构成特征组合，以此获取具有高度预测性的特征；接着，基于构建的特征组合，搭建FCIH-TCN时序瓦斯浓度预测框架；最后，采用多个模型进行对比实验。研究结果表明：使用IAPSO后，Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度；FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。

• 单位
  辽宁工程技术大学