首页|期刊导航|西安科技大学学报|基于ITBiGRU-Fuse-Net的瓦斯浓度预测方法

基于ITBiGRU-Fuse-Net的瓦斯浓度预测方法OA

中文摘要

针对现有瓦斯浓度预测模型在捕捉长短期依赖与局部特征、提取多时间尺度关键信息、抑制短期噪声干扰及融合多维瓦斯浓度信息等方面存在的不足,提出一种基于改进Transformer与双向门控循环单元(BiGRU)协同的瓦斯浓度预测模型(ITBiGRU-Fuse-Net)。设计改进Transformer与BiGRU组成的双分支结构,分别提取瓦斯浓度序列的长短期依赖与局部特征;提出多尺度感知注意力模块,捕捉多时间尺度序列的关键信息;采用k-NN注意力模块,抑制短期噪声干扰;构建时序通道特征融合模块,对多维瓦斯浓度信息进行动态融合。结果表明:在煤矿瓦斯数据试验中,与线性模型、循环神经网络模型、Transformer模型等15个模型相比,所提方法在平均绝对误差和均方根误差上分别降低了10.27%~40.06%和4.43%~29.81%,决定系数提升了0.51%~5.35%;与基准Transformer模型相比,平均绝对误差和均方根误差分别降低了30.10%和17.92%,决定系数提升了2.18%。所提方法通过同时捕捉长短期依赖、多尺度特征提取、噪声抑制与多维融合的协同优化,提升了瓦斯浓度预测的准确性。研究对提升煤矿瓦斯灾害智能预警的准确性与可靠性具有较好的参考价值。

贾澎涛;杨鸿宇;王斌;王伟峰

西安科技大学人工智能与计算机学院,陕西西安710054西安科技大学人工智能与计算机学院,陕西西安710054陕西建新煤化有限责任公司,陕西黄陵727300西安科技大学安全科学与工程学院,陕西西安710054

矿业与冶金

瓦斯浓度神经网络瓦斯预测TransformerBiGRU

《西安科技大学学报》 2026 (4)

P.718-729,12

国家重点研发计划项目(2023YFC3009800)陕西省秦创原“科学家+工程师”队伍建设项目(2023KXJ-052)。

10.13800/j.cnki.xakjdxxb.2026.0402

评论