一种基于LSTM神经网络的煤矿质量掘进率预测方法及系统

本申请提供一种基于LSTM神经网络的煤矿质量掘进率预测方法及系统，属于煤矿开采智能化预测与控制技术领域。所述方法：采集采煤机机械参数、煤矿体质量参数及地质勘测数据；采用堆叠式单靶标法SST与支持向量回归SVR模型结合，分析参数关联性，训练煤矿体质量参数预测模型；采用LSTM‑MLP混合神经网络，构建煤矿质量掘进率预测模型，将采煤机机械参数输入至LSTM，将LSTM输出的时序特征、预测的煤矿体质量参数以及地质勘测数据输入至MLP，对煤矿质量掘进率进行预测；根据采煤机掘进率的预测结果，对采煤机机械参数进行调整，并更新储存数据。本发明提升了煤矿掘进率预测精度，优化采煤机参数，降低开采能耗与设备损耗。