矿业安全与环保

作者：梁运培, 栗小雨, 李全贵, 毛树人, 郑梦浩, 李建波

关键词：瓦斯浓度, 时序预测, CS, LSTM, 模型优化, 智能化, 非线性

为充分挖掘瓦斯浓度监测数据的变化规律，实现工作面瓦斯浓度的准确预测，提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型。采用样条插值法对瓦斯浓度监测数据的缺失值进行插补，再进行无量纲化处理，得到训练样本；利用布谷鸟搜索(CS)算法对长短期记忆网络(LSTM)的隐藏层层数及其神经元个数、全连接层层数及其神经元个数等4个超参数进行寻优，建立最优瓦斯浓度预测模型，并预测工作面未来12 h的瓦斯浓度。研究结果表明：与LSTM及基于遗传算法(GA)的LSTM模型预测结果相比，在相同迭代次数下，CS算法具有更好的全局寻优能力，有效避免了GA算法易陷入局部最优的不足；基于CS-LSTM预测模型的均方根误差(RMSE)为0.023，该模型与其他2种模型相比精度较高，预测效果较好。

来源：2022年第4期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2022年第4期