基于VMD-BiLSTM组合模型的矿井涌水量时间序列预测方法研究

矿井涌水量的精准预测对确保煤矿安全生产和保护地下水环境具有重要作用。为提高矿井涌水量时间序列预测精度,构建了一种基于变分模态分解（VMD）与引入贝叶斯算法优化双向长短期记忆网络（BiLSTM）的矿井涌水量组合预测模型。首先,利用VMD将矿井涌水量时序数据分解为多个子序列,然后将分解所得各子序列分别输入到BiLSTM模型中,引入贝叶斯算法优化各模型的超参数,最后,将各子序列的预测结果进行叠加求和得到最终预测值,并与其他模型的预测结果进行对比分析。结果表明,本模型在单步预测中优势较为明显,在多步预测中的表现也相当不俗,预测精度可以达到生产需求,验证了该模型在矿井涌水量时序预测方面的有效性和适用性。