典型文献
基于多因素的LSTM瓦斯浓度预测模型
文献摘要：
为解决煤矿瓦斯浓度预测问题,提出基于多因素的LSTM瓦斯浓度预测模型.模型首先对煤矿多源监测数据进行数据融合、缺失值处理;其次通过特征衍生、有监督化、无量纲化,融合各环境因素特征和时序数据的时间性特征,且衍生出更多交叉项特征和高次项特征;然后利用经验法和逐步试错法确定隐藏层维度;最后进行模型训练和测试.研究结果表明:基于多因素的LSTM瓦斯浓度预测模型的RMSE仅为0.021,MAE为0.01,比单因素LSTM模型、RNN模型预测效果好.因此,基于多因素的LSTM瓦斯浓度预测模型可更精准地进行瓦斯浓度多步预测,促进煤矿安全生产.
文献关键词：
LSTM;瓦斯浓度预测;数据融合;时间序列;特征衍生
中图分类号：
作者姓名：
刘莹;杨超宇
作者机构：
安徽理工大学经济与管理学院,安徽淮南232001
文献出处：
引用格式：
[1]刘莹;杨超宇-.基于多因素的LSTM瓦斯浓度预测模型)[J].中国安全生产科学技术,2022(01):108-113
A类：
B类：
瓦斯浓度预测,煤矿瓦斯,多源监测数据,数据融合,缺失值处理,特征衍生,有监督,无量纲化,时序数据,时间性,经验法,试错法,模型训练,RMSE,MAE,RNN,多步预测,煤矿安全生产
AB值：
0.25766
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
