基于PSOＧCNNＧaBiGRU的瓦斯浓度预测方法

针对工作面瓦斯浓度精准预测中未有效利用瓦斯数据 的空间特性问题,在有效提取瓦斯浓度监测数据时空特征的 基础上,提出了一种基于优化卷积神经网络和优化双向门控 单元神经网络的瓦斯浓度预测方法(PSOＧCNNＧaBiGRU). 首先应用随机森林和 HilbertＧHuang变换方法对瓦斯监测 数据中的缺失值和噪声进行预处理,然后使用经过粒子群优 化的卷积神经网络对预处理后的瓦斯监测数据进行空间特 征提取,最后考虑数据的历史信息和未来状态,基于自适应 矩估计最大 值 优 化 的 双 向 门 控 单 元 神 经 网 络,构 建 PSOＧ CNNＧaBiGRU 瓦斯浓度预测模型.试验结果表明,相对于 PSOＧCNNＧBP、PSOＧCNNＧRNN 和 PSOＧCNNＧLSTM 模型, PSOＧCNNＧaBiGRU 在测试 集 上 误 差 分 别 减 少 了 ５２．２１％、 ４２．４３％和２９．６％.因此,PSOＧCNNＧaBiGRU 模型能有效提 高瓦斯浓度预测精度,对减少瓦斯灾害,保障煤矿的安全生 产具有现实意义.