基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

发布时间：2023-11-12 14:14

　　在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。

【文章页数】：4 页

【文章目录】：
0 引言
1 小波降噪和循环神经网络基本原理
    1.1 小波阈值降噪
    1.2 长短期记忆网络（LSTM)
2 瓦斯浓度预测模型
    2.1 原始数据的预处理
    2.2 数据传入，构建LSTM网络模型
    2.3 模型评价指标
3 实例验证
4 结语



本文编号：3863318