基于LSTM-TCN的综采工作面顶板压力预测

顶板压力预测大多都使用1台液压支架的压力数据,缺乏相邻支架的压力相关性,基于相邻多台液压支架信息融合的LSTM-TCN模型预测一支架下一时刻的压力值。实验结果表明,该模型相比LSTM和TCN单支架预测模型,RMSE压力误差分别减小了12.3%和13.4%,MAE压力误差减小了10.3%和26.6%。

基于改进Informer的综采工作面顶板压力多步长预测

煤矿顶板事故是矿井生产的重大安全隐患,实现顶板压力的准确和多步长预测对于煤层安全智能开采具有重大意义。以往的顶板压力预测大多预测支架下一时刻的压力数据,注重提高单步长预测准确率,而缺乏对于多步长预测的研究。基于顶板压力多步长预测研究,提出了一种基于改进Informer网络的预测顶板压力的新方法,并采用Savitzky-Golay滤波对原始压力进行数据分析,得出了该方法在预测未来多个时刻的顶板压力时具有较好的效果。选用了山东省枣庄市付村煤矿某工作面的压力数据进行试验,结果表明:在预测第24个时间点时,相比于LSTM和GRU网络,改进Informer网络的顶板压力多步长预测模型RMSE分别减少了70.18%和38.31%,MAE分别减少了73.94%和40.50%。