文献类型：期刊文章

作　　者：曾庆田[1,2] 吕珍珍[2] 石永奎[3] 田广宇[2] 林泽东[2] 李超[1]

ZENG Qingtian;LYU Zhenzhen;SHI Yongkui;TIAN Guangyu;LIN Zedong;LI Chao(College of Electronic Information Engineering,Shandong University of Science and Technology,Qingdao 266590,China;College of Computer Science and Engineering,Shandong University of Science and Technology,Qingdao 266590,China;College of Energy and Mining Engineering,Shandong University of Science and Technology,Qingdao 266590,China)

机构地区：[1]山东科技大学电子信息工程学院,山东青岛266590 [2]山东科技大学计算机科学与工程学院,山东青岛266590 [3]山东科技大学能源与矿业工程学院,山东青岛266590

出　　处：《煤炭科学技术》

基　　金：山东省科技计划资助项目(重大关键技术)(2016ZDJS02A11);山东省高等学校工业物联网工程技术研发中心开放课题(KF2019003)。

年　　份：2021

卷　　号：49

期　　号：7

起止页码：16-23

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方法减少噪声和随机误差;其次在深入分析Prophet模型和LSTM模型特性基础上,通过添加额外回归变量方法融合相邻多支架矿压数据;最后为充分利用Prophet模型和LSTM模型的优势,构建了一种Prophet+LSTM组合模型对工作面矿压进行预测,通过线性加权组合方法获取最有权重系数使模型预测结果误差逐步减少。以均方根误差(RMSE)和平均绝对误差(MAE)来评估Prophet+LSTM模型对矿压时间序列的预测效果。预测模型在某矿工作面支架矿压时序数据的应用结果表明:经过数字信号处理后的支架矿压预测结果RMSE和MAE分别下降了约20%和16%,Prophet模型和LSTM模型的预测结果优于传统的BP神经网络和ARIMA模型,且Prophet+LSTM模型预测方法较其单项模型具有更强的稳定性和更高的准确性,实现了对工作面在推进过程中矿压变化的有效预测。该预测方法对煤矿井下工作面矿压预测提供了研究思路。

关 键 词：矿压预测  时间序列预测 Prophet模型  LSTM神经网络  

分 类 号：TP391] TD323[计算机类]