煤礦瓦斯?jié)舛鹊木珳?zhǔn)預(yù)測是礦井瓦斯防治的關(guān)鍵。為了準(zhǔn)確可靠地預(yù)測工作面瓦斯?jié)舛?提出了一種基于門控循環(huán)單元方法的工作面瓦斯?jié)舛阮A(yù)測模型。采用鄰近均值法對數(shù)據(jù)缺失值和異常值進(jìn)行補全,采用MinMaxScaler方法對實驗數(shù)據(jù)進(jìn)行歸一化處理,為了提高模型精度和穩(wěn)定性,采用粒子群算法和Adam算法對GRU超參數(shù)進(jìn)行優(yōu)化,從而構(gòu)建了基于PSO-Adam-GRU的工作面瓦斯?jié)舛阮A(yù)測模型。以崔家溝煤礦生產(chǎn)監(jiān)測數(shù)據(jù)為樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練,采用平均絕對誤差、均方根誤差、運行時間3種評價指標(biāo)對預(yù)測模型性能進(jìn)行評估,并將預(yù)測結(jié)果與BPNN和LSTM進(jìn)行對比。結(jié)果表明:PSO-Adam-GRU較BPNN和LSTM具有更高的精度和穩(wěn)定性,在預(yù)測過程中MAE可降低到0.058,RMSE可降低到0.005.結(jié)果表明,基于PSO-Adam-GRU的瓦斯?jié)舛阮A(yù)測模型和參數(shù)優(yōu)選方法可有效預(yù)測出瓦斯?jié)舛?該模型在瓦斯?jié)舛葧r間序列預(yù)測方面具有更高的準(zhǔn)確性和魯棒性,可為礦井瓦斯治理提供一定指導(dǎo)意見。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 理論與建模
    1.1 門控循環(huán)單元
    1.2 粒子群優(yōu)化算法
    1.3 工作面瓦斯?jié)舛阮A(yù)測模型構(gòu)建
2 數(shù)據(jù)預(yù)處理
3 結(jié)果與分析
    3.1 評價指標(biāo)
    3.2 模型對比分析
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于雙向門控循環(huán)單元的3D人體運動預(yù)測[J]. 桑海峰,陳紫珍.  電子與信息學(xué)報. 2019(09)
[2]基于雙向GRU和注意力機制模型的人體動作預(yù)測[J]. 桑海峰,陳紫珍,何大闊.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2019(07)
[3]基于遺傳算法和粒子群優(yōu)化的模糊PID控制器在雙星感應(yīng)電機直接轉(zhuǎn)矩控制中的應(yīng)用（英文）[J]. BOUKHALFA Ghoulemallah,BELKACEM Sebti,CHIKHI Abdesselem,BENAGGOUNE Said.  Journal of Central South University. 2019(07)
[4]基于GRU-NN模型的短期負(fù)荷預(yù)測方法[J]. 王增平,趙兵,紀(jì)維佳,高欣,李曉兵.  電力系統(tǒng)自動化. 2019(05)
[5]基于深度門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測模型[J]. 牛哲文,余澤遠(yuǎn),李波,唐文虎.  電力自動化設(shè)備. 2018(05)
[6]深度學(xué)習(xí)耦合粒子群優(yōu)化SVM的瓦斯?jié)舛阮A(yù)測[J]. 錢建生,邱春榮,李紫陽,吳響.  煤礦安全. 2016(11)
[7]基于ACPSO的PSR-MK-LSSVM瓦斯?jié)舛葎討B(tài)預(yù)測方法[J]. 付華,代巍.  傳感技術(shù)學(xué)報. 2016(06)
[8]基于多元分布滯后模型的瓦斯?jié)舛葎討B(tài)預(yù)測[J]. 楊麗,劉暉,毛善君,施超.  中國礦業(yè)大學(xué)學(xué)報. 2016(03)
[9]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛阮A(yù)測研究[J]. 劉奕君,趙強,郝文利.  礦業(yè)安全與環(huán)保. 2015(02)
[10]基于插值梯形模糊信息�；耐咚�?jié)舛融厔蓊A(yù)測[J]. 吳兆法,吳響,錢建生.  工礦自動化. 2014(12)



本文編號：3714066