基于多因素的LSTM瓦斯浓度预测模型

• 作者: 刘莹 杨超宇
• 来源期刊: 中国安全生产科学技术
• 学科: 工学
• 关键词: LSTM 瓦斯浓度预测 数据融合 时间序列 特征衍生
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 职业安全卫生管理与技术|Occupational Safety and Health Management and Technology
• 页码范围: 108-113
• 页数: 6页
• 分类号: X936|TD712
• 语种: 中文
• DOI: 10.11731/j.issn.1673-193x.2022.01.017

摘要

为解决煤矿瓦斯浓度预测问题,提出基于多因素的LSTM瓦斯浓度预测模型.模型首先对煤矿多源监测数据进行数据融合、缺失值处理;其次通过特征衍生、有监督化、无量纲化,融合各环境因素特征和时序数据的时间性特征,且衍生出更多交叉项特征和高次项特征;然后利用经验法和逐步试错法确定隐藏层维度;最后进行模型训练和测试.研究结果表明:基于多因素的LSTM瓦斯浓度预测模型的RMSE仅为0.021,MAE为0.01,比单因素LSTM模型、RNN模型预测效果好.因此,基于多因素的LSTM瓦斯浓度预测模型可更精准地进行瓦斯浓度多步预测,促进煤矿安全生产.