基于长短期记忆网络的矿工不安全行为研究

摘要：

矿工不安全行为的出现是复杂的非线性动力过程,为预测不安全行为时间序列,选择具有“记忆”功能和解决梯度消失问题的长短期记忆网络.使用TensorFlow下Keras搭建基于长短期记忆网络的不安全行为时间序列预测模型,使用A、B煤矿2年共3 405条不安全行为序列数据进行模型训练和测试,根据交叉验证集选择最优参数.实验结果表明:构建的4个时间序列预测模型最小的平均绝对误差为0.080 7,最大的平均绝对误差为0.333 5,能够很好预测煤矿未来一定时间段内的不安全行为.

关键词：不安全行为、时间序列、循环神经网络、长短期记忆网络、机器学习

所属期刊栏目：51

分类号：TD79(矿山安全与劳动保护)

资助基金：天地科技股份有限公司科技创新创业资金资助项目2018-TD-MS058

在线出版日期：2020-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：260-264