来源：期刊VIP网 时间：
作者：盛武;樊斌斌;
单位：安徽理工大学经济与管理学院;安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室;
摘要：为更好厘清瓦斯体积分数数据中长期依赖关系，实现更加精确的瓦斯体积分数预测，提出一种基于经验模态分解算法—门控循环单元(Empirical Mode Decomposition-Gated Recurrent Unit, EMD-GRU)组合的瓦斯体积分数预测方法。该方法通过经验模态分解算法(Empirical Mode Decomposition, EMD)将复杂瓦斯体积分数数据分解为多个平稳序列，并对每个序列采用双层门控循环单元(Gated Recurrent Uni, GRU)进行时序预测；然后，将各分量预测结果叠加重构，得到最终的预测结果；最后，将EMD-GRU模型应用于某矿智能综采工作面瓦斯气体体积分数预测。结果表明：EMD-GRU模型较经验模态分解-长短期记忆(Empirical Mode Decomposition-Long Short-Term Memory, EMD-LSTM)神经网络模型、传统长短期记忆(Long Short-Term Memory, LSTM)神经网络模型和GRU模型，其均方误差(E_(RMS))分别减少11.57%、33.86%、48.78%,平均绝对百分比误差(E_(MAP))分别降低19.55%、28.23%和32.76%,同时，在测试集中有着更高的拟合效果(R~2=0.9789),验证了该模型有较高的精准度和泛化性。
关键词：安全工程;;经验模态分解;;门控循环单元;;井下监测数据;;瓦斯体积分数预测
基金资助：国家自然科学基金项目(71971003);; 安徽省自然科学基金项目(1808085MG212)
