| 基于多源数据融合的煤矿工作面瓦斯浓度预测* |
| |
| 作者姓名： | 谢谦 董立红 吴雪菲 |
| |
| 作者单位： | （1.中煤科工西安研究院(集团)有限公司,陕西 西安 710077;2.西安科技大学 计算机科学与技术学院,陕西 西安 710054;3.西安科技大学 能源学院,陕西 西安 710054） |
| |
| 基金项目： | * 基金项目: 国家重点研发计划项目（2017YFC0804100）;陕西省自然科学基础研究计划项目（2019JLM-11）;天地科技股份有限公司科技创新创业资金专项项目（2020-TD-ZD002） |
| |
| 摘 要： | 为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。
|
| 关 键 词： | 多源数据融合 瓦斯浓度预测 长短期记忆神经网络 注意力机制 |
|
| 点击此处可从《中国安全生产科学技术》浏览原始摘要信息 |
|
点击此处可从《中国安全生产科学技术》下载免费的PDF全文 |
|
