基于PSO-CNN-aBiGRU的瓦斯浓度预测方法

作者：贾澎涛; 张智远^*; 梁荣; 刘航舵; 苗云风

来源：矿业研究与开发, 2021, 41(12): 76-81.

DOI：10.13827/j.cnki.kyyk.2021.12.002

• 瓦斯浓度预测
• 卷积神经网络
• 双向门控单元
• 粒子群优化
• 自适应矩估计最大值优化

针对工作面瓦斯浓度精准预测中未有效利用瓦斯数据的空间特性问题,在有效提取瓦斯浓度监测数据时空特征的基础上,提出了一种基于优化卷积神经网络和优化双向门控单元神经网络的瓦斯浓度预测方法(PSO-CNN-aBiGRU)。首先应用随机森林和Hilbert-Huang变换方法对瓦斯监测数据中的缺失值和噪声进行预处理,然后使用经过粒子群优化的卷积神经网络对预处理后的瓦斯监测数据进行空间特征提取,最后考虑数据的历史信息和未来状态,基于自适应矩估计最大值优化的双向门控单元神经网络,构建PSO-CNN-aBiGRU瓦斯浓度预测模型。试验结果表明,相对于PSO-CNN-BP、PSO-CNN-RNN和PSO-CNN-LSTM模型,PSO-CNN-aBiGRU在测试集上误差分别减少了52.21%、42.43%和29.6%。因此,PSO-CNN-aBiGRU模型能有效提高瓦斯浓度预测精度,对减少瓦斯灾害,保障煤矿的安全生产具有现实意义。

• 单位
  西安科技大学