基于ARIMA-LSTM的矿区地表沉降预测方法OA北大核心
煤矿开采安全问题尤其是采空区地表沉降现象会对人员安全及工程安全造成威胁,研究合适的矿区地表沉降预测方法具有很大意义。矿区地表沉降影响因素复杂,单一的深度学习模型对矿区地表沉降数据拟合效果差且现有的地表沉降预测研究多是单独进行概率预测或考虑时序特性进行点预测,难以在考虑数据的时序特征的同时对其随机性进行定量描述。针对此问题,在对数据本身性质进行观察分析后选择差分整合移动平均自回归(ARIMA)模型进行时序特征的概率预测,结合长短时记忆(LSTM)网…查看全部>>
王磊;马驰骋;齐俊艳;袁瑞甫
河南理工大学计算机科学与技术学院,河南焦作454003河南理工大学计算机科学与技术学院,河南焦作454003河南理工大学软件学院,河南焦作454003河南理工大学能源学院,河南焦作454003
计算机与自动化
煤矿采空区地表沉降预测时序概率预测差分整合移动平均自回归长短时记忆网络
《计算机工程》 2025 (1)
P.98-105,8
河南省高校科技创新团队支持计划(22IRTSTHN005)。
评论