期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于MTAM-LSTM的采煤工作面支架载荷预测方法
1
作者 张杰 杨科 范超尘 《中国安全科学学报》 北大核心 2026年第3期144-152,共9页
为有效预测液压支架载荷、评估支架运行状态,提出一种基于多尺度卷积时间注意力模块(MTAM)-长短时记忆(LSTM)神经网络的液压支架载荷预测模型。首先,采用自适应噪声完备集合经验模态分解(CEEMDAN)算法分解支架载荷数据获取本征模态分量... 为有效预测液压支架载荷、评估支架运行状态,提出一种基于多尺度卷积时间注意力模块(MTAM)-长短时记忆(LSTM)神经网络的液压支架载荷预测模型。首先,采用自适应噪声完备集合经验模态分解(CEEMDAN)算法分解支架载荷数据获取本征模态分量,基于K-L散度准则剔除本征模态分量中的冗余分量形成支架载荷预测输入序列;其次,建立MTAM捕捉支架载荷变化特征,静态注意力生成数据特征信息的注意力权重,动态注意力优化不同序列特征的关注度,并引入残差学习保持特征信号的完整性;然后,利用LSTM构建特征信息与支架载荷之间的深层依赖关系,实现支架载荷数据的超前预测;最后,选取陕西某冲击地压矿井402102工作面液压支架载荷数据进行实证分析,对比不同模型均方根误差、决定系数和平均绝对误差3种评价指标,结果表明:MTAMLSTM模型的均方根误差(RMSE)和平均绝对误差(MAE)均明显小于对比模型,RMSE整体降低0.16~0.45,MAE降低0.16~0.45,不同场景下决定系数R^(2)达到0.91,验证了MTAM-LSTM的预测准确率和模型泛化能力。 展开更多
关键词 多尺度卷积时间注意力模块(mtam) 长短时记忆神经网络(LSTM) 采煤工作面 载荷预测 液压支架 泛化能力
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部