基于EMD和时序注意力机制的明渠流量预测模型

摘要：

为了预防煤矿水害事故的发生,本文提出将经验模态分解(EMD)算法与时序注意力机制(TA-LSTM)结合的明渠流量预测模型,通过对明渠流量的实时预测来反映矿井涌水量的变化情况.模型首先通过EMD将明渠流量分解为多维子分量,充分提取明渠流量本身的波动特征和趋势特征;然后以长短时记忆网络(LSTM)为基础,融入注意力机制增强历史时间点对当前时刻的信息表达,构造时序注意力机制模型;最后通过该模型分别训练学习EMD分解后各分量的时序规律并进行预测,将各分量预测结果融合得到最终的明渠流量预测值.将此模型与现有其他模型进行了对比实验,其均方根误差和平均绝对百分比误差均小于其他模型.该研究为进一步预测矿井明渠流量提供了有效依据.

关键词：煤矿、明渠流量、经验模态分解(EMD)、长短时记忆网络(LSTM)、注意力机制

所属期刊栏目：32

资助基金：国家自然科学基金;陕西省自然科学基金资助项目;陕西省自然科学基金资助项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：122-130