-
题名基于堆叠LSTM的多源矿压预测模型分析
被引量：7
- 1
-
-
作者
贾澎涛
苗云风
-
机构
西安科技大学计算机科学与技术学院
-
出处
《矿业研究与开发》
CAS
北大核心
2021年第8期79-82,共4页
-
基金
国家重点研究发展计划项目(2018YFC0808303)
西安市科技计划项目(2020KJRC0069)。
-
文摘
矿压失衡引起的顶板事故是煤矿重大灾害之一,矿压的精准预测对保证煤层的安全开采具有重要意义。为提高矿压的预测精度,提出了一种基于堆叠LSTM的多源矿压预测模型。首先,采用灰色关联度对煤矿工作面多源矿压进行分析排序并进行数据预处理;其次,采用堆叠式网络结构,确定每一个LSTM层的隐藏节点数、迭代次数等参数;最后,采用Adam优化算法对模型进行优化,从而对工作面矿压进行预测。采用均方根误差作为评价指标对预测模型性能进行评估,实验结果表明:相较于BP模型,堆叠LSTM多源矿压预测模型在训练集和测试集上RMSE分别减少了49.15%和51.26%;相较于LSTM,分别减少了45.37%和46.61%;相较于GRU,分别减少了44.66%和45.89%。因此,堆叠LSTM多源矿压预测模型在工作面矿压预测方面具有更高的精确性。
-
关键词
深度学习
堆叠式网络
长短时记忆网络
多源矿压
-
Keywords
Deep learning
Stacked network
Long-short term memory network
multi-source mine pressure
-
分类号
TD323
[矿业工程—矿井建设]
-
