0x09基于CNN_BiLSTM的矿井瓦斯涌出量预测模型

为了实现对瓦斯涌出量准确预测,从而有效预防瓦斯灾害。提出1种结合卷积神经网络(convolutional neural network,CNN)和双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)的瓦斯涌出量预测模型,采用CNN在时间序列上提取瓦斯涌出量及其影响因素的局部关键特征,有效捕捉数据的局部时序相关性;BiLSTM模型利用这些特征,通过其前向和后向处理能力,全面捕捉时间序列中长期依赖性和复杂模式。研究结果表明:该模型预测准确率达93.6%,均方误差显著低于CNN、BPNN、LSTM、BiLSTM、CNN_LSTM、CNN_BiLSTM 6个模型,决定系数接近1,表明其出色的预测能力和解释力。研究结果可有效预测瓦斯涌出量波动,有助于提高矿井瓦斯风险预警能力,提升矿井安全管理水平。