基于IAPSO-Holt-TCN的时序瓦斯浓度预测模型  

Prediction model of time series gas concentration based on IAPSO-Holt-TCN

作　　者：温廷新[1] 陈思宇 WEN Tingxin;CHEN Siyu(School of Business Administration,Liaoning Technical University,Huludao Liaoning 125105,China)

机构地区：[1]辽宁工程技术大学工商管理学院,辽宁葫芦岛125105

出　　处：《中国安全生产科学技术》2023年第7期57-62,共6页Journal of Safety Science and Technology

基　　金：国家自然科学基金项目(71771111);辽宁省社会科学规划基金项目(L14BTJ004)。

摘　　要：为了提升时序瓦斯浓度预测精度,提出1种基于特征组合(FCIH)-时间卷积网络(TCN)的预测模型。首先,基于粒子群(PSO)算法重构惯性权重和加速因子,设计自适应粒子群(IAPSO)寻优算法;然后,利用IAPSO优化霍尔特指数平滑(Holt)相关超参数,应用Holt生成时序瓦斯浓度的水平、趋势分量,并与时序瓦斯浓度历史数据构成特征组合,以此获取具有高度预测性的特征;接着,基于构建的特征组合,搭建FCIH-TCN时序瓦斯浓度预测框架;最后,采用多个模型进行对比实验。研究结果表明:使用IAPSO后,Holt预测模型的平均绝对误差下降0.019;FCIH作为模型输入有效提高LSTM、GRU及TCN模型的预测精度;FCIH-TCN的RMSE为0.05,MAE为0.035,其预测精度优于其他对比模型。研究结果可为矿井瓦斯灾害防治提供参考。error of Holt model decreases by 0.019 after using IAPSO.The prediction accuracy of LSTM,GRU and TCN models were effectively improved by taking FCIH as the model input.The RMSE and MAE of FCIH-TCN are 0.05 and 0.035,respectively,and the prediction accuracy of FCIH-TCN was better than other comparison models.The research results can provide reference for the prevention and control of mine gas disaster.

关 键 词：时序瓦斯浓度预测 特征组合 自适应粒子群 霍尔特指数平滑(Holt) 时间卷积网络(TCN) 

分 类 号：X936[环境科学与工程—安全科学]