基于CNN-LSTM的煤矿瓦斯浓度预测

• 作者: 荀晓玉 苏璨 李威 庞明瑞
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 瓦斯浓度预测 时间序列 卷积神经网络 长短期记忆神经网络
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 计算机技术
• 页码范围: 149-152
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.20.040

摘要

对瓦斯浓度进行预测是预防瓦斯事故的有效方式.卷积神经网络(CNN)可以提取时间序列中的时间平移不变特征,长短期记忆神经网络(LSTM)具有长期记忆能力,可以捕捉到具有长期相关性的信息,将CNN与LSTM结合,从时间序列的角度对采煤工作面瓦斯浓度进行预测.结果表明,与单独使用LSTM进行预测及使用支持向量回归(SVR)预测相比,CNN-LSTM模型具有更高的预测准确率.