基于CEEMDAN-DA-GRU的瓦斯涌出量预测模型

针对瓦斯涌出量数据具有非线性、周期性的特点和实际场景下不同特征因素与瓦斯涌出量关联程度不同导致预测精度低的问题，提出一种基于完备经验模态分解和双重注意力机制的瓦斯涌出量预测模型。通过CEEMDAN方法将瓦斯涌出量数据分解为频率不同的分量，以降低非线性数据的预测难度；再计算特征注意力机制中计算各特征因素的权重，挖掘当前分量与各个特征之间的关联关系；基于门控循环单元的时序注意力机制量化历史隐藏状态对当前状态的影响，提高长时间序列预测的准确度。通过相加重构得到最终预测结果。基于陕西某矿瓦斯涌出量数据进行预测实验，所提出模型的平均绝对百分比误差为1.65%,均小于DA-GRU、GRU和SVM等对比模型，验证了该模型的有效性。