基于A-GRU的瓦斯浓度序列预测研究

【摘要】：为了解决时序性和非线性瓦斯浓度序列预测误差较大的问题，提出融合注意力机制的门控循环单元神经网络对瓦斯预测进行研究。该算法首先对数据集进行预处理，接着引入更新门和重置门设计门控循环单元神经网络的算法结构，并加入注意力机制调整网络隐藏层参数，以误差损失最小化为目标预测瓦斯浓度。以吉林板石瓦斯灾害风险管控平台的监控数据为例，通过该算法预测得到结果与实际值之间的最小均方根误差为3.95%，最小平均绝对误差为0.71%，并将其与卷积神经网络、循环神经网络和多层感知机进行比较，实验表明该算法相较于传统方法，预测精度更高。