基于CNN-GCN-BiLSTM的煤矿底板突水量预测模型

为了提高煤矿底板突水量预测精度,提出了一种基于CNN-GCN-BiLSTM的煤矿底板突水量预测模型.首先使用二维卷积神经网络(2D-CNN)提取数据局部特征;其次利用图卷积神经网络(GCN)提取数据空间特征;然后通过双向长短时记忆神经网络(BiLSTM)提取时序数据双向序列特征;最后利用长短时记忆神经网络(LSTM)的长期依赖特性实现对煤矿底板突水量的预测.实验结果显示,与其他6种模型相比,CNN-GCN-BiLSTM模型精度最高,MAE和MSE的值分别为6.85％和2.42％,模型预测结果可为煤矿底板水害防治工作提供重要参考和依据.