彬长大佛寺矿井涌水量时序预测OA北大核心CSTPCD
为提高矿井涌水量预测精度,解决矿井涌水量预测无法及时响应动态变化的问题,构建一种基于模态分解和深度学习的矿井涌水量多因素时间序列组合预测模型。使用变分模态分解和灰色关联分析筛选主控因素,通过双向长短期记忆网络和卷积长短期记忆网络对高、低频模态分量进行预测。结果表明:对比不同时序预测模型,变分模态分解可以有效捕捉时序数据中的长期依赖关系,提供了更加准确的长期时序数据预测能力;经过鲸鱼优化、贝叶斯优化算法对不同频率模态分量的处理,有效降低了高频部分的…查看全部>>
侯恩科;徐林啸;荣统瑞
西安科技大学地质与环境学院,陕西西安710054 陕西省煤炭绿色开发地质保障重点实验室,陕西西安710054西安科技大学地质与环境学院,陕西西安710054 陕西省煤炭绿色开发地质保障重点实验室,陕西西安710054青海盐湖工业股份有限公司,青海格尔木816000
矿山工程
模态分解深度学习时间序列多因素序列降维矿井涌水量预测
《西安科技大学学报》 2024 (3)
P.490-500,11
国家自然科学基金项目(42177174)。
评论