基于LSTM神经网络的煤矿突水预测

• 作者: 张翔 曹超凡 董丽丽 费城
• 来源期刊: 煤田地质与勘探
• 学科: 工学
• 关键词: 长短时记忆 特征选择 煤层底板突水预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 水文地质 环境地质 工程地质
• 页码范围: 137-143
• 页数: 7页
• 分类号: TD745
• 字数: 5399字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1986.2019.02.021

摘要

针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点.提出基于长短时记忆(LSTM)神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练.最后,将LSTM神经网络模型与遗传算法–反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验.实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董丽丽	西安建筑科技大学信息与控制工程学院	79	651	13.0	22.0
2	张翔	西安建筑科技大学信息与控制工程学院	27	218	8.0	14.0
3	曹超凡	西安建筑科技大学信息与控制工程学院	2	6	2.0	2.0
4	费城	西安建筑科技大学信息与控制工程学院	2	4	1.0	2.0