买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉昆明理工大学申请的专利一种基于KPCA-POA-LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115470887B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211014081.1，技术领域涉及：G06N3/0442；该发明授权一种基于KPCA-POA-LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法是由郑万波;李旭;史耀轩;吴燕清;李金海;冉啟华;刘常昊;杨志全;陈慧敏;董银环;董锦晓;朱榕;李磊;王耀设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于KPCA-POA-LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法在说明书摘要公布了：本发明涉及一种基于KPCA‑POA‑LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法，属于煤矿掘进工作面瓦斯预测技术领域。本发明包括：利用核主成分分析对非线性煤矿掘进工作面煤矿掘进工作面瓦斯突出数据进行降维并初始化；再使用孔雀优化算法优化长短期记忆网络的节点，使其参数重新生成连续分布；构建多维状态矩阵，使用长短期记忆网络对多维状态矩阵进行特征映射并选取sigmoid为激活函数，Adam为求解器；再利用优化后长短期记忆网络对煤矿掘进工作面瓦斯数据进行预测。本发明能准确的预测出煤矿掘进工作面瓦斯涌出量，其预测方法预测速度更快、误差率更低。

本发明授权一种基于KPCA-POA-LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法在权利要求书中公布了：1.一种基于KPCA‑POA‑LSTM模型的煤矿掘进工作面瓦斯涌出量预测方法，其特征在于： 所述方法的具体步骤如下： 步骤1、利用核主成分分析KPCA对初始数据进行初始化，设置径向基核函数参数，并计算特征向量和特征值，并计算累计贡献率； 所述初始数据包括煤矿掘进工作面瓦斯压力、解吸系数、相对煤矿掘进工作面瓦斯涌出量、煤矿掘进工作面瓦斯趋势波峰比、煤矿掘进工作面瓦斯趋势峰均比、地应力参数或地应力指标； 步骤2、构建POA‑LSTM模型，利用孔雀优化算法POA优化长短期记忆网络的遗忘门、输入门、输入节点、输出门、中间输出和状态单元，减少梯度消失问题； 步骤3、构建多维状态矩阵并选择引诱策略，使用优化后的长短期记忆网络对多维状态矩阵进行训练，根据煤矿掘进工作面瓦斯原始数据，利用Adam求解，预测煤矿掘进工作面瓦斯结果； 所述步骤2的具体步骤为： 步骤2.1、采用雌孔雀自适应的搜索和接近机制进行优化；以下数学模型用于描述雌孔雀接近机制：         1其中表示均匀分布在内的随机数；表示雌孔雀的位置向量，为当前迭代次数，为最大迭代次数；而和分别设置为0.1和1；，，，，为孔雀群体中适应度最高的五个个体，根据公式4，当时，雌孔雀靠近选定的孔雀，这代表了搜索过程中的局部利用；当时，雌孔雀倾向于移动到选定孔雀的对称位置，表示搜索过程中的全局探索； 步骤2.2、采用孔雀幼崽适应搜索行为进行优化；每次迭代，发现者的位置更新描述如下：如下所示：                      2                3                     4其中和分别代表均匀分布在和上的两个不同的一维随机向量；表示一个常数，其值设置为1.5，！表示阶乘；每只孔雀幼崽的具体行为建模为：                     5                6其中表示均匀分布在上的随机数；和分别指选定孔雀和孔雀幼崽的位置向量；和表示两个系数因子，它们随迭代次数动态变化，通过以下公式定义：               7             8上述公式7、8表明迭代开始时大于，孔雀幼崽进行随机搜索；当迭代结束时大于时，孔雀幼崽收敛到最优五个解，即最优的五个孔雀位置；, ， 而和分别等于0.1和1，通过孔雀搜索行为优化输出参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。