典型文献
基于多源数据融合的煤矿工作面瓦斯浓度预测
文献摘要：
为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型.模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用.研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2％;多源数据融合下的Attention-aLSTM相比自身提升了 5％.
文献关键词：
多源数据融合;瓦斯浓度预测;长短期记忆神经网络;注意力机制
中图分类号：
作者姓名：
谢谦;董立红;吴雪菲
作者机构：
中煤科工西安研究院(集团)有限公司,陕西西安710077;西安科技大学计算机科学与技术学院,陕西西安710054;西安科技大学能源学院,陕西西安710054
文献出处：
引用格式：
[1]谢谦;董立红;吴雪菲-.基于多源数据融合的煤矿工作面瓦斯浓度预测)[J].中国安全生产科学技术,2022(11):71-76
A类：
aLSTM
B类：
多源数据融合,煤矿工作面,瓦斯浓度预测,一数,中影,上隅角瓦斯浓度,采煤机,瓦斯涌出量,输入层,Adam,网络层,Attention,实际数据,长短期记忆神经网络,注意力机制
AB值：
0.157994
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
