基于长短期记忆神经网络的矿井涌水量预测
为了提高矿井涌水量的预测准确度,提出了基于长短期记忆(LSTM)神经网络矿井涌水量预测模型.将LSTM神经网络模型与BP神经网络模型预测结果进行对比分析,结果表明,基于LSTM神经网络的矿井涌水量预测模型平均绝对误差降低了51.4,平均相对误差降低了12.05％,LSTM预测模型通过区别对待各时段的样本数据,弥补了以往矿井涌水量计算方法中没有充分考虑各影响因素重要性差异存在的缺陷,该研究可以为矿井涌水量预测提供一定的科学理论依据.
矿井涌水量、预测、LSTM神经网络、多因素
23
TD742(矿山安全与劳动保护)
2023-04-21（万方平台首次上网日期，不代表论文的发表时间）
共3页
25-27
