带有迁移学习ESN模型的瓦斯浓度预测方法

本发明公开了带有迁移学习ESN模型的瓦斯浓度预测方法，具体包括如下步骤：通过传感器采集井下瓦斯浓度数据，瓦斯浓度数据包括目标域时间序列和源域时间序列；为目标域时间序列选取高相似性源域时间序列；构建ESN模型，将自回归模型引入至回声状态网络储层，分别形成源域和目标域的储层状态矩阵；构建带有迁移学习的ESN模型，计算预测结果，更新输出权重。本发明在回声状态网络的状态矩阵中引入AR模型，帮助目标域预测的修正，并通过基于迁移学习的递归最小二乘法在线更新权重，增强模型的实时性，解决了传统瓦斯浓度预测模型预测精度偏低的问题。