【技术实现步骤摘要】
本申请涉及数据处理，特别涉及一种基于数据驱动的工作面涌水量预测方法和系统。
技术介绍
1、准确预测涌水量是预防矿井水灾的有效途径。目前，常用的预测方法有数学模拟法和时序分析预测法。其中，数学模拟法主要运用分形理论、地质建模等软件，实现了对难以观测的煤层涌水量的预测。时序分析预测法则利用涌水量数据的时序特性对未来涌水量进行预测，例如基于时序涌水量数据构建长短期记忆网络(lstm)与注意力机制结合的预测模型进行涌水量预测，或者使用深度学习模型与lstm结合，通过改进网络结构对涌水量进行预测。
2、然而，由于工作面涌水量具有特定现实含义以及特殊的数据特征，导致将已有方法直接应用到涌水量预测中准确率较低。
3、因此，需要提供一种针对上述现有技术不足的改进技术方案。
技术实现思路
1、本申请的目的在于提供一种基于数据驱动的工作面涌水量预测方法和系统，以解决或缓解上述现有技术中存在的问题。
2、为了实现上述目的，本申请提供如下技术方案：
3、本申请提供了...
【技术保护点】
1.一种基于数据驱动的工作面涌水量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对预先获取的涌水量历史时序数据进行分析，以确定涌水量的周期性特征，包括：
3.根据权利要求1所述的方法，其特征在于，对预先获取的涌水量历史时序数据进行分析，以确定涌水量的稳定性特征，包括：
4.根据权利要求2所述的方法，其特征在于，基于涌水量的周期性特征划分涌水量样本数据集，并确定模型验证方法，包括：
5.根据权利要求3所述的方法，其特征在于，基于涌水量的稳定性特征的分析结果，对所述涌水量样本数据集进行模态分解，得到...
【技术特征摘要】
1.一种基于数据驱动的工作面涌水量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对预先获取的涌水量历史时序数据进行分析，以确定涌水量的周期性特征，包括：
3.根据权利要求1所述的方法，其特征在于，对预先获取的涌水量历史时序数据进行分析，以确定涌水量的稳定性特征，包括：
4.根据权利要求2所述的方法，其特征在于，基于涌水量的周期性特征划分涌水量样本数据集，并确定模型验证方法，包括：
5.根据权利要求3所述的方法，其特征在于，基于涌水量的稳定性特征的分析结果，对所述涌水量样本数据集进行模态分解，得到涌水量的本征分量集合，包括：
6.根据权利要求5所述的方法，其特征在于...
【专利技术属性】
技术研发人员：连会青，丁莹莹，夏向学，尹尚先，李启兴，张庆，康佳，任正瑞，黄亚坤，吴威，徐保同，
申请(专利权)人：华北科技学院中国煤矿安全技术培训中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。