基于GRU神经网络的都四轨道交通映秀一号隧道瓦斯浓度序列预测

摘要：

　　为解决具有时序性和非线性的瓦斯浓度序列预测误差较大的问题，利用门控循环单元神经网络对其预测.该算法对数据集进行预处理，接着引入更新门和重置门，设计出门控循环单元神经网络瓦斯浓度序列预测算法结构，以误差损失最小化为目标，得到训练模型完成瓦斯浓度预测.以都四轨道交通映秀一号隧道瓦斯监控数据为实例，利用该算法预测瓦斯浓度，该算法预测得到的最小均方根误差为5.421％，最小平均绝对误差为1.391％，并与卷积神经网络、循环神经网络和多层感知机进行对比，实验揭示，该算法可提高瓦斯浓度预测精度.

关键词： 门控循环单元 卷积神经网络 循环神经网络 多层感知机 瓦斯浓度预测

作者: 丁力生 赖永标 杨扬 赖样威 郑万波 杨黎明 王飞 周辉 冉啟华

作者单位: 中建铁路投资建设集团有限公司 北京,102601 昆明理工大学理学院,云南昆明,650500;昆明理工大学数据科学研究中心,云南昆明,650500 云南卫士盾科技有限公司,云南昆明,650500

会议类型: 国内会议

会议名称: 中国土木工程学会2021年学术年会

会议地点: 长沙

会议语种:中文

页码: 855-863

在线出版日期: 2021-09-27（万方平台首次上网日期，不代表论文的发表时间）