基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

摘要：

为提高矿井涌水量预测的准确度,基于涌水量数据的不稳定性及随机性,提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、贝叶斯优化(Bayesian optimization,BO)与双向门控循环单元(bi-directional gated recurrent unit,BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU.所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function,IMF)和残差分量(residual components,Res),过滤数据噪声,提取数据不同时间尺度波动特征,降低预测误差.利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优,进一步提高模型的预测精度.之后对各分量进行超前1～3 步预测,最终将各分量预测结果加和得到涌水量多步预测结果.以小庄煤矿矿井涌水量数据进行试验,并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果进行对比分析.结果表明:采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确,该方法对涌水量的短时预测提供了一种新思路.

关键词：矿井涌水量、贝叶斯优化(BO)、双向门控循环单元(BiGRU)、时间序列

所属期刊栏目：23

分类号：TD742(矿山安全与劳动保护)

资助基金：国家自然科学基金;陕煤集团科研计划项目;陕煤集团科研计划项目

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：12012-12019