融合多维时间序列分析的IQPSO-GRU综采工作面瓦斯浓度软测量模型.pdfVIP

第３８卷第５期传感技术学报Ｖｏｌ３８Ｎｏ５

２０２５年５月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＳＥＮＳＯＲＳＡＮＤＡＣＴＵＡＴＯＲＳＭａｙ２０２５

ＩＱＰＳＯ￣ＧＲＵＳｏｆｔ￣ＳｅｎｓｉｎｇＭｏｄｅｌｏｆＧａｓＣｏｎｃｅｎｔｒａｔｉｏｎｉｎＦｕｌｌｙＭｅｃｈａｎｉｚｅｄ

ＦａｃｅＣｏｍｂｉｎｅｄｗｉｔｈＭｕｌｔｉｄｉｍｅｎｓｉｏｎａｌＴｉｍｅＳｅｒｉｅｓＡｎａｌｙｓｉｓ∗

１∗１ꎬ２２３

ＦＵＨｕａꎬＬＩＵＹｕｚｈｕꎬＸＵＮａｎꎬＺＨＡＮＧＪｕｎｎａｎ

(１.ＳｃｈｏｏｌｏｆＭｉｎｉｎｇꎬＬｉａｏｎｉｎｇＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙꎬＬｉａｏｎｉｎｇꎬＦｕｘｉｎＬｉａｏｎｉｎｇ１２３０００ꎬＣｈｉｎａꎻ

２.ＳｔａｔｅＧｒｉｄＧｏｎｇｚｈｕｌｉｎｇＰｏｗｅｒＳｕｐｐｌｙＣｏ.ꎬＬｔｄ.ꎬＧｏｎｇｚｈｕｌｉｎｇＪｉｌｉｎ１３６１００ꎻ

３.ＳｃｈｏｏｌＭａｔｅｒｉａｌＥｎｇｉｎｅｅｒｉｎｇꎬＣｏｌｌｅｇｅｏｆＬｉａｏｎｉｎｇＭｅｃｈａｔｒｏｎｉｃｓꎬＤａｎｄｏｎｇＬｉａｏｎｉｎｇ１１８００９ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｔｏｑｕｉｃｋｌｙａｎｄａｃｃｕｒａｔｅｌｙｐｒｅｄｉｃｔｔｈｅｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｉｎｔｈｅｆｕｌｌｙｍｅｃｈａｎｉｚｅｄｃｏａｌｍｉｎｉｎｇｆａｃｅꎬａｎｉｍｐｒｏｖｅｄｑｕａｎｔｕｍｐａｒｔｉ￣

ｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ(ＩＱＰＳＯ)ｂａｓｅｄｏｎｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌｔｉｍｅｓｅｒｉｅｓ(ＭＴＳ)ａｎａｌｙｓｉｓｉｓｅｓｔａｂｌｉｓｈｅｄｔｏｏｐｔｉｍｉｚｅｔｈｅｇａｔｅｄｒｅ￣

ｃｕｒｒｅｎｔｕｎｉｔｎｅｔｗｏｒｋ(ＧＲＵ)ｆｏｒａｓｏｆｔｓｅｎｓｉｎｇｍｏｄｅｌｏｆｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｉｎｔｈｅｆｕｌｌｙｍｅｃｈａｎｉｚｅｄｃｏａｌｍｉｎｉｎｇｆａｃｅ.ＦｉｒｓｔｌｙꎬｔｈｅＬａｓｓｏａｌ￣

ｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｅｘｔｒａｃｔｆｅａｔｕｒｅｓｆｒｏｍｔｈｅＭＴＳｄａｔａｃｏｌｌｅｃｔｅｄｂｙｔｈｅｃｏａｌｍｉｎｅｍｏｎｉｔｏｒｉｎｇｓｙｓｔｅｍꎬａｎｄｔｈｅｍａｉｎｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅ

ｅｖｏｌｕｔｉｏｎｔｒｅｎｄｏｆｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎａｒｅｉｄｅｎｔｉｆｉｅｄａｓｉｎｐｕｔｖａｒｉａｂｌｅｓｆｏｒｔｈｅｍｏｄｅｌ.ＳｅｃｏｎｄｌｙꎬｔｈｅＲｅＬＵａｃｔｉｖａｔｉｏｎｆｕｎｃｔｉｏｎａｎｄｄｒｏｐｏｕｔ

ｌａｙｅｒａｒｅｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅＧＲＵｎｅｔｗｏｒｋｕｎｉｔｔｏｓｏｌｖｅｔｈｅｍｏｄｅｌｔｒａｉｎｉｎｇｇｒａｄｉｅｎｔｐｒｏｂｌｅｍａｎｄｅｎｈａｎｃｅｉｔｓｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ.ＩＱＰ￣

ＳＯｏｐｔｉｍｉｚａｔｉｏｎｏｆＧＲＵｎｅｔｗｏｒｋｈｙｐｅｒｐａｒａｍｅｔｅｒｓｉｓＰｒｏｐｏｓｅｄｔｏｉｍｐｒｏｖｅｍｏｄｅｌｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｃｏｍｐｕｔａｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙꎬａｎｄ

ｔｈｅｇａｓｃｏｎｃｅｎｔｒａｔｉｏｎｓｏｆｔｓｅｎｓｉｎｇｍｏｄｅｌｗｉｔｈｔｈｅｂｅｓｔｐａｒａｍｅｔｅｒｓｉｓｏｂｔａｉｎｅｄ.Ｆｉｎａｌｌｙꎬｔｈｅｐｒｏｐｏｓｅｄｓｏｆｔｓｅｎｓｉｎｇｍｏｄｅｌｉｓｃｏｍｐａｒｅｄｗｉｔｈ

ＧＲＵꎬＬＳＴＭꎬａｎｄｄｅｃｉｓｉｏｎｔｒｅｅｍｏｄｅｌｓ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｌａｔｉｖｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｖａｌｕｅｏｆｔｈｅｃｏｎｓｔｒｕｃｔｅｄｍｏｄｅｌｃａｎｂｅ

ｒｅｄｕｃｅｄｔｏ