[發(fā)明專利]一種基于改進(jìn)灰色-長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110067003.7
• 申請(qǐng)日: 2021-01-19
• 公開（公告）號(hào): CN113190535B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計(jì)）人: 鄭萬波;賴祥威;吳燕清;夏云霓;冉啟華;吳何碧;車群;李蕓珊;武丹丹
• 申請(qǐng)（專利權(quán)）人: 云南衛(wèi)士盾科技有限公司;昆明理工大學(xué)
• 主分類號(hào): G06F16/215
• 分類號(hào): G06F16/215;G06F16/2458;G06N3/0442;E21F17/18
• 代理公司: 昆明人從眾知識(shí)產(chǎn)權(quán)代理有限公司 53204
• 代理人: 何嬌

本發(fā)明涉及基于改進(jìn)灰色?長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法，包括：采集傳感器數(shù)據(jù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)標(biāo)準(zhǔn)化、灰色預(yù)測(cè)模型的構(gòu)建、改進(jìn)灰色預(yù)測(cè)模型的構(gòu)建、長短期記憶神經(jīng)網(wǎng)絡(luò)的構(gòu)建、改進(jìn)灰色—長短期記憶神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型的構(gòu)建，模型的檢驗(yàn)，所述組合預(yù)測(cè)模型包括：利用指數(shù)型灰色作用量代替原有的靜態(tài)灰色作用量對(duì)灰色預(yù)測(cè)模型進(jìn)行改進(jìn)構(gòu)造出長短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，利用集成學(xué)習(xí)的方法將改進(jìn)灰色預(yù)測(cè)模型和長短期記憶神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)而建立改進(jìn)灰色—長短期記憶神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，并采用實(shí)際數(shù)據(jù)和評(píng)價(jià)指標(biāo)進(jìn)行考察組合模型的準(zhǔn)確性。本發(fā)明能以高精度預(yù)測(cè)出瓦斯?jié)舛刃蛄小?/p>

技術(shù)領(lǐng)域

本發(fā)明一種基于改進(jìn)灰色-長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法，屬于智慧煤礦瓦斯序列預(yù)測(cè)領(lǐng)域。

背景技術(shù)

在煤礦開采中，以井工開采為主，且逐年加深開采深度，而越往深處地質(zhì)越復(fù)雜，瓦斯涌出量越大，井下工作人員的生命安全問題伴隨著瓦斯爆炸，瓦斯突出等災(zāi)害事故持續(xù)受到威脅。

為有效避免瓦斯事件發(fā)生，需要對(duì)此做出智能化的處理，對(duì)礦采工作面的瓦斯?jié)舛冗M(jìn)行實(shí)時(shí)監(jiān)測(cè)，探索出一種有效又實(shí)時(shí)的瓦斯?jié)舛阮A(yù)測(cè)的方法，并對(duì)這些預(yù)測(cè)精度進(jìn)行多角度多指標(biāo)比較，以提供瓦斯監(jiān)控預(yù)警系統(tǒng)發(fā)出警報(bào)實(shí)現(xiàn)預(yù)警效果。隨著計(jì)算機(jī)技術(shù)的發(fā)展，利用大數(shù)據(jù)挖掘技術(shù)作為煤礦監(jiān)測(cè)數(shù)據(jù)的研究手段已經(jīng)成為一種趨勢(shì)。學(xué)者對(duì)大量煤礦生產(chǎn)數(shù)據(jù)進(jìn)行分析，通過各種公式與方法計(jì)算決定瓦斯變化的變量，將煤礦劃分等級(jí)，制定級(jí)別不同的瓦斯預(yù)測(cè)措施。國內(nèi)學(xué)者對(duì)于瓦斯?jié)舛阮A(yù)測(cè)方面也做出了不少貢獻(xiàn)，較早的研究方法是統(tǒng)計(jì)法和分源預(yù)測(cè)法。慢慢地，灰色預(yù)測(cè)，馬爾可夫等預(yù)測(cè)方法在瓦斯?jié)舛刃蛄蓄A(yù)測(cè)方面也得到不少學(xué)者的青睞，得到較多運(yùn)用。隨著神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)的不斷發(fā)展、應(yīng)用與成熟，現(xiàn)如今神經(jīng)網(wǎng)絡(luò)在其他工業(yè)預(yù)測(cè)領(lǐng)域逐漸火熱，但是在瓦斯?jié)舛阮A(yù)測(cè)還有發(fā)展空間，從而，本文將發(fā)明一種基于改進(jìn)灰色-長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：本發(fā)明提供一種基于改進(jìn)灰色-長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法，用于解決具有混沌特性的瓦斯?jié)舛刃蛄械囊?guī)律，從而以高精度預(yù)測(cè)出瓦斯?jié)舛刃蛄小?/p>

本發(fā)明技術(shù)方案是：基于改進(jìn)灰色-長短期記憶神經(jīng)網(wǎng)絡(luò)組合模型的瓦斯?jié)舛阮A(yù)測(cè)方法，所述方法的具體步驟如下：

步驟1、數(shù)據(jù)的采集：采集煤礦井下瓦斯?jié)舛葌鞲衅鲾?shù)據(jù)；

步驟2、數(shù)據(jù)預(yù)處理和標(biāo)準(zhǔn)化：對(duì)于采集的原始瓦斯?jié)舛葦?shù)據(jù)進(jìn)行預(yù)處理——修正異常數(shù)據(jù)和缺失數(shù)據(jù)，并對(duì)瓦斯?jié)舛葦?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；

步驟3、傳統(tǒng)灰色預(yù)測(cè)模型的構(gòu)建：設(shè)定原始瓦斯?jié)舛刃蛄?再得到一階累加生成瓦斯?jié)舛刃蛄小⒁浑A累減生成瓦斯?jié)舛刃蛄泻途o鄰均值生成瓦斯?jié)舛刃蛄校浯卫米钚《朔▽?duì)灰色預(yù)測(cè)模型參數(shù)估計(jì)，進(jìn)而得到其預(yù)測(cè)瓦斯?jié)舛刃蛄校?/p>

步驟4、改進(jìn)灰色預(yù)測(cè)模型的構(gòu)建：在Step3原始瓦斯?jié)舛刃蛄泻皖A(yù)測(cè)生成瓦斯?jié)舛刃蛄械幕A(chǔ)上，將傳統(tǒng)灰色預(yù)測(cè)模型的白化方程中的靜態(tài)灰色作用量替換成指數(shù)型灰色作用量，其次利用最小二乘法對(duì)傳統(tǒng)灰色預(yù)測(cè)模型參數(shù)估計(jì)，進(jìn)而得到其改進(jìn)灰色預(yù)測(cè)模型的預(yù)測(cè)瓦斯?jié)舛刃蛄校瑢?shí)現(xiàn)對(duì)傳統(tǒng)灰色預(yù)測(cè)模型的改進(jìn)；

步驟5、長短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建：該模型由記憶儲(chǔ)存單元構(gòu)成，經(jīng)過輸入門、遺忘門和輸出門調(diào)控記憶儲(chǔ)存單元的狀態(tài)，由門的控制保證新的時(shí)間狀態(tài)下隱藏層傳輸?shù)寞B加輸入序列不會(huì)消失，繼續(xù)向前傳播，使得具有長短期記憶能力，以適應(yīng)長瓦斯?jié)舛刃蛄械暮Ａ繑?shù)據(jù)處理；

步驟6、改進(jìn)灰色—長短期記憶神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型的構(gòu)建：利用集成學(xué)習(xí)的方法將改進(jìn)灰色預(yù)測(cè)模型和長短期記憶神經(jīng)網(wǎng)絡(luò)相結(jié)合，進(jìn)而建立改進(jìn)灰色—長短期記憶神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型；

步驟7、組合預(yù)測(cè)模型的檢驗(yàn)：采用實(shí)際瓦斯?jié)舛葦?shù)據(jù)和RMSE指標(biāo)進(jìn)行考察組合模型的準(zhǔn)確性。

作為本發(fā)明的進(jìn)一步方案，所述步驟2的具體步驟為：