来源：期刊VIP网 时间：
作者：祁云;白晨浩;代连朋;汪伟;薛凯隆;崔欣超;
单位：内蒙古科技大学矿业与煤炭学院;山西大同大学煤炭工程学院;辽宁大学灾害岩体力学研究所;
摘要：为提高瓦斯涌出量预测精度，降低煤矿回采工作面瓦斯涌出超限事故的风险，针对瓦斯涌影响因素众多、难以预测等问题，采用灰狼优化算法(Grey Wolf Optimization, GWO)-双向长短期记忆神经网络(Bi-directional Long Short-Term Memory, BiLSTM)的组合模型预测瓦斯涌出量。首先，运用主成分分析法(Principal Components Analysis, PCA)处理瓦斯涌出影响因素，降低数据维度，以减少模型计算时的负担；其次，利用GWO优化BiLSTM模型的学习率(best＿lr)、隐藏层层数(best＿hd)以及正则化系数(best＿l2),可有效避免局部最优解问题，并采用决定系数(R-Square,R~2)、均方根误差(Root Mean Square Error, RMSE)和平均绝对误差(Mean Absolute Error, MAE)对所建模型预测的结果进行综合评价分析；最后，将该模型应用于内蒙古自治区某矿回采工作面预测瓦斯涌出量。结果显示：PCA-GWO-BiLSTM组合模型相比于长短期记忆神经网络(Long Short-Term Memory, LSTM)和双向长短期记忆神经网络对应的单一模型，其MAE分别降低20.81%、30.17%,RMSE分别降低0.063、0.142,R~2则分别提高了0.023、0.075,表明该模型在复杂因素条件下具有更高的精准度、泛化性和鲁棒性。
关键词：安全工程;瓦斯涌出;灰狼优化算法;双向长短期记忆神经网络;主成分分析法
基金资助：国家自然科学基金面上项目(52174188); 山西省高等学校科技创新计划项目(2022L448,2022L449); 山西大同大学研究生教育创新项目(23CX49)
