基于DRN-BiLSTM模型的矿井涌水量预测

摘要：

针对矿井涌水量预测中存在的深度学习模型预测精度不高和适用性不强的问题,提出了一种基于深度残差网络(Deep Residual Network,DRN)和双向长短记忆网络(Bidirectional short and long memory network,BiLSTM)的矿井涌水量预测方法.首先,将矿井涌水量数据进行小波分解和归一化处理,得到趋势项数据和细节项数据;其次,采用DRN网络方法对趋势项数据进行预测,采用BiLSTM网络方法对细节项数据进行预测;最后,将2部分预测结果进行重构得到矿井涌水量预测结果.研究结果表明:DRN-BiLSTM模型相比于单一模型预测精度更高,说明该模型具有更好的泛化性.

关键词：矿井涌水量、DRN-BiLSTM模型、深度残差网络、双向长短记忆网络、小波分解

所属期刊栏目：54

分类号：TD745(矿山安全与劳动保护)

资助基金：国家自然科学基金;国家自然科学基金;教育部长江学者和创新团队发展计划项目;中央高校基本科研业务费资助项目

在线出版日期：2023-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：56-62