基于 VMD-CNN-BiLSTM 的瓦斯浓度预测模型

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-3727-07-02-173256

基于 VMD-CNN-BiLSTM 的瓦斯浓度预测模型

莘宇, 陈果, 宋佳铃, 周旭*

华北理工大学应急管理与安全工程学院

全文直达

引用

打印

摘要：针对煤矿瓦斯浓度时间序列的非平稳特性及多因素耦合影响导致的预测精度不足问题，创新性地提出基于变分模态分解 - 卷积神经网络 - 双向长短期记忆网络（VMD-CNN-BiLSTM）的混合瓦斯浓度预测模型。以内蒙古某煤矿的瓦斯浓度数据为基础，采用 VMD 算法对瓦斯浓度时序数据进行多尺度分解，降低非平稳性干扰；运用卷积神经网络（CNN）提取分解后模态分量的局部时序特征；最后结合 BiLSTM 捕捉序列的前后向依赖关系，利用 BiLSTM 的输出层进行预测，得到未来短期内的瓦斯浓度值。实验结果表明，该模型在 MSE（4.69E-08）、RMSE（3.77E-05）、MAE（0.000545818）和 R2（0.9976）等评价指标上表现优异，相较于传统方法，该模型在瓦斯浓度预测中显著提升了预测精度和稳定性，验证了模型在特征提取、非线性映射和时序建模方面的协同优势，为煤矿安全监测提供了更可靠的智能预警方案。

关键词：

瓦斯浓度预测；变分模态分解；卷积神经网络；双向长短期记忆网络

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2025,7(2)