基于深度学习的矿井瓦斯涌出量预测方法

本发明涉及一种基于深度学习的矿井瓦斯涌出量预测方法；该基于深度学习的矿井瓦斯涌出量预测方法包括以下步骤：①数据集制备、②对数据集进行相关性分析，确定矿井瓦斯涌出的主控元素、③根据矿井瓦斯涌出的主控元素的时序数据，构建VMD‑WTC‑PatchTST组合模型；本发明通过误差分析分别对数据和模型进行改进，最终VMD‑WTC‑PatchTST模型预测性能评估结果为R2达到0.894、RMSE为1.80、MAE1.38。相比于原PatchTST模型其拟合度提升2.6％，由于PatchTST也适用于长期预测的特性，从理论上看，随着数据不断补充，模型的性能有望得到进一步的提升。