首页 > 煤田地质与勘探 > 基于VMD-DBN的矿井涌水量预测方法

基于VMD-DBN的矿井涌水量预测方法

Mine water inrush prediction method based on VMD-DBN model

二维码有效期 120s

摘要在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重.为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务.为提高矿井涌水量的预测准确性,针对随时间无明显变化规律的涌水量序列,提出了变分模态分解(Variational Mode Decomposition,VMD)和深度置信网络(Deep Belief Network,DBN)相结合的高效时间序列预测模型.首先通过VMD模态分解技术对原始数据进行去噪,将原始矿井涌水量时间序列分解为若干个本征模态函数(Intrinsic Mode Function,IMF)分量,使各个IMF分量都具有原始时间序列在不同时间尺度下的统计学特征量,降低了原始时间序列的强震荡性和非稳定性.其次针对每个IMF分量,分别建立各自的DBN模型进行训练学习,进而建立起相应的预测网络模型.最后融合各分量预测值得到最终结果.结果显示,VMD-DBN的EMA、EMAP、ERMS和R2分别为 9.23、0.76％、11.55和 0.97,通过与GA-BP、LSTM、VMD-LSTM、RBM、VMD-RBM和DBN模型的预测值进行对比发现,VMD-DBN模型进行矿井涌水量预测具有更高的预测精度.VMD-DBN模型对于涌水量随时间无明显变化规律、且具有较强震荡性和非平稳的工况具有相对明显的优势,丰富了矿井涌水量预测方法,为智慧矿山的安全监测提供一种新型的技术手段,具有一定的理论价值和现实意义.

作者刘慧 ^[1] 刘桂芹 ^[2] 宁殿艳 ^[3] 樊娟 ^[3] 陈卫明 ^[4] 学术成果认领

作者单位中煤科工西安研究院(集团)有限公司,陕西西安 710077;陕西省煤矿水害防治技术重点实验室,陕西西安 710077;中国地质大学(武汉) 工程学院,湖北武汉 430074 ^[1] 中煤科工西安研究院(集团)有限公司,陕西西安 710077 ^[2] 中煤科工西安研究院(集团)有限公司,陕西西安 710077;陕西省煤矿水害防治技术重点实验室,陕西西安 710077 ^[3] 中国地质大学(武汉) 工程学院,湖北武汉 430074 ^[4]

关键词矿井涌水量预测变分模态分解VMD 深度学习深度置信网络DBN 时间序列 mine water inrush prediction Variational Mode Decomposition(VMD)deep learning Deep Belief Net-work(DBN)time series

分类号 TD742

栏目名称

陕西省煤矿水害防治技术重点实验室开放基金

DOI 10.12363/issn.1001-1986.22.11.0869

发布时间 2023-07-19（万方平台首次上网日期，不代表论文的发表时间）

基金项目

陕西省煤矿水害防治技术重点实验室开放基金项目（2021SKMS07）