基于CNN-LSTM的煤矿瓦斯浓度预测

庞明瑞李威苏璨荀晓玉

中国矿业大学（北京）;

摘要：

对瓦斯浓度进行预测是预防瓦斯事故的有效方式.卷积神经网络(CNN)可以提取时间序列中的时间平移不变特征,长短期记忆神经网络(LSTM)具有长期记忆能力,可以捕捉到具有长期相关性的信息,将CNN与LSTM结合,从时间序列的角度对采煤工作面瓦斯浓度进行预测.结果表明,与单独使用LSTM进行预测及使用支持向量回归(SVR)预测相比,CNN-LSTM模型具有更高的预测准确率.

关键词：瓦斯浓度预测、时间序列、卷积神经网络、长短期记忆神经网络

所属期刊栏目：4

分类号：TP181(自动化基础理论)

在线出版日期：2021-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：149-152