矿业研究与开发

作者：贾澎涛,苗云风

关键词：深度学习;堆叠式网络;长短时记忆网络;多源矿压

矿压失衡引起的顶板事故是煤矿重大灾害之一,矿压 的精准预测对保证煤层的安全开采具有重要意义.为提高 矿压的预测精度,提出了一种基于堆叠 LSTM 的多源矿压 预测模型.首先,采用灰色关联度对煤矿工作面多源矿压进 行分析排序并进行数据预处理;其次,采用堆叠式网络结构, 确定每一个 LSTM 层的隐藏节点数、迭代次数等参数;最 后,采用 Adam 优化算法对模型进行优化,从而对工作面矿 压进行预测.采用均方根误差作为评价指标对预测模型性 能进行评估,实验结果表明:相较于 BP模型,堆叠 LSTM 多 源矿压预测模型在 训 练 集 和 测 试 集 上 RMSE 分 别 减 少 了 ４９．１５％和 ５１．２６％;相 较 于 LSTM,分 别 减 少 了 ４５．３７％ 和 ４６．６１％;相较于 GRU,分别减少了 ４４．６６％ 和 ４５．８９％.因 此,堆叠 LSTM 多源矿压预测模型在工作面矿压预测方面 具有更高的精确性.

来源：2021年第8期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2021年第8期