[发明专利]一种基于长短时记忆神经网络的煤矿突水预测方法

摘要

本发明公开一种基于长短时记忆神经网络的煤矿突水预测方法，的煤矿突水预测该方法将长短时记忆神经网络引入煤矿突水预测中，首先采用基于封装式(Wrapper)评价策略的特征选择方法，对数据做预处理，提取特征数据，去除冗余特征对后续预测算法的影响；通过MSRA初始化方法，将权重矩阵初始化为均值为0，方差为2/(输入个数)的一种高斯分布，使预测方法拥有更合理的初始化权重，提高方法收敛速度；采用LSTM方法学习动态突水数据的变化规律，及该规律对突水的影响，且学习过程中使用Dropout技术防止方法过拟合；随着迭代次数的增加，预测方法的权重矩阵不断被更新，从而提高了预测方法的精度、稳定性及鲁棒性。

主权项

一种基于长短时记忆神经网络的煤矿突水预测方法，其特征在于，包括如下步骤：步骤一，获取矿区的原始数据，原始数据包含p维的突水特征以及与每个突水特征一一对应的1维的实际突水结果，再对原始数据进行预处理，预处理时，从p维的突水特征中选取跟突水相关的n维突水特征，其中，n≤p，再将n维的突水特征及每个突水特征对应的1维的实际突水结果集合组成样本集合，然后对样本集合进行分组，再将分组后的样本集合划分为训练集和测试集；步骤二，构建基于长短时记忆神经网络的突水预测模型，并通过步骤一得到的训练集对突水预测模型进行训练；步骤三，待突水预测模型训练完成后，用测试集测试模型的预测准确率，在实际预测时，向突水预测模型输入一条或多条n维的突水特征，得到一条或多条1维的预测结果，预测结果为突水或不突水。