来源：期刊VIP网 时间：
作者：李振华;姜雨菲;杜锋;王文强;
单位：河南理工大学能源科学与工程学院;煤炭安全生产与清洁高效利用省部共建协同创新中心;河南理工大学河南省矿井水害防控及水资源利用工程技术研究中心;河南理工大学郑州高等研究院;
摘要：目的 矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义，为精准预测矿井涌水量，构建适用于华北型煤田受底板L_(1-4)灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基础，提出LSTMTransformer模型。利用LSTM捕捉矿井涌水量的动态时序特征，通过Transformer的多头注意力机制分析含水层水位变化和矿井涌水量之间的复杂时序关联，构建水位动态变化驱动下的矿井涌水量精准预测框架。结果 结果表明，LSTM-Transformer模型预测精度显著优于LSTM,CNN,Transformer和CNN-LSTM模型的，其均方根误差为20.91 m~3/h，平均绝对误差为16.08 m~3/h，平均绝对百分比误差为1.12%，且和单因素涌水量预测模型相比，水位-涌水量双因素预测模型预测结果更加稳定。结论 LSTM-Transformer模型成功克服传统方法在捕捉复杂水文地质系统中水位-涌水量动态关联上的局限，为矿井涌水量动态预测提供可解释性强、鲁棒性好的解决方案，也为类似地质条件下矿井涌水量预测提供了新方法。
关键词：涌水量预测;;水位动态响应;;LSTM-Transformer耦合模型;;时间序列预测;;注意力机制;;矿井安全生产
基金资助：国家自然科学基金资助项目（U24B2041,52174073）;; 河南省高校科技创新团队支持计划项目（23IRTSTHN005）
