【摘要】：瓦斯災(zāi)害歷來是煤礦領(lǐng)域的重大安全問題。而煤礦開采深度的增大也使得井下的安全生產(chǎn)越來越難以保障。因此,如何準(zhǔn)確且迅速地對(duì)瓦斯數(shù)據(jù)進(jìn)行預(yù)測(cè)是非常有必要的,它可以有效地減少并防范瓦斯安全事故的發(fā)生,并能夠及時(shí)作出應(yīng)對(duì)措施。論文以瓦斯?jié)舛鹊臅r(shí)間序列作為切入點(diǎn),利用神經(jīng)網(wǎng)絡(luò)這一可以擬合非線性復(fù)雜問題的工具進(jìn)行實(shí)驗(yàn)研究,再選取非常適合解決時(shí)間序列問題的循環(huán)神經(jīng)網(wǎng)絡(luò)RNN(Recurrent Neural Network)及其演化模型——長(zhǎng)短時(shí)記憶模型LSTM(Long Short-term Memory)對(duì)瓦斯?jié)舛鹊臅r(shí)間序列的相關(guān)問題進(jìn)行了深入研究。論文主要完成了三個(gè)方面的工作:1)瓦斯涌出的成因十分復(fù)雜,如地應(yīng)力,瓦斯壓力,煤層埋深等,因此瓦斯涌出是一個(gè)復(fù)雜的非線性動(dòng)力過程。論文通過地質(zhì)動(dòng)力區(qū)劃法,挖掘了煤與瓦斯涌出的主要成因,提取了諸如最大主應(yīng)力,瓦斯壓力等地質(zhì)因素?cái)?shù)據(jù)作為瓦斯?jié)舛葧r(shí)間序列預(yù)測(cè)的依據(jù)。2)論文使用了多種優(yōu)化算法,一方面解決了數(shù)據(jù)在缺失或異常情況下不平滑的問題,另一方面則使用神經(jīng)網(wǎng)絡(luò)優(yōu)化算法提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率。接下來使用RNN神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行仿真預(yù)測(cè),并用LSTM神經(jīng)網(wǎng)絡(luò)模型改進(jìn),解決了RNN模型帶來的梯度彌散問題。3)由于LSTM模型復(fù)雜度過高,論文改進(jìn)了LSTM模型,并采用主成分分析法,提出了PCA-LSTM-RNN神經(jīng)網(wǎng)絡(luò)模型,經(jīng)過實(shí)驗(yàn)可知這種模型能夠在保證精度的前提下極大提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率。
【圖文】：

學(xué)術(shù)型碩士學(xué)位論文間序列的異常性。性是時(shí)間序列中的異�，F(xiàn)象，一方面，部分異常值作為時(shí)間效的。它會(huì)影響整個(gè)網(wǎng)絡(luò)的精度，甚至使神經(jīng)網(wǎng)絡(luò)難以達(dá)到此優(yōu)化這些隨機(jī)噪聲項(xiàng)，對(duì)于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是很重要的。端大的異常值表示環(huán)境內(nèi)部出現(xiàn)了異常情況，，應(yīng)及時(shí)作出反的異常瓦斯時(shí)間序列曲線與數(shù)據(jù)異常的瓦斯時(shí)間序列曲線如

圖 2-1 工作狀態(tài)下的異常瓦斯時(shí)間序列曲線Figure 2-1 Time Series Curve of Abnormal Gas Under Working Conditi 表示工作狀態(tài)下的異常狀態(tài)曲線。瓦斯時(shí)序值會(huì)在某一小段發(fā)生工作時(shí)異常，應(yīng)及時(shí)檢查井下是否有突發(fā)情況或檢測(cè)到及時(shí)采取相應(yīng)的措施。
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TD712;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

4 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

5 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

7 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

8 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設(shè)計(jì)研究[J];數(shù)字技術(shù)與應(yīng)用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡(luò)加速[J];通訊世界;2018年08期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2629969