TY -的A2 -徐,金泽国际盟——燕Wanzi AU -王,Junhui AU - Cheng精益AU - Wan,新盟兴,温驯AU -高,Kuidong PY - 2021 DA - 2021/03/28 TI -长期短期记忆网络和贝叶斯优化预测盾的时间加权平均压力支持周期SP - 8895844六世- 2021 AB -特征参数完全机械化开采,保护支持的时间加权平均(TWAP)的压力,特别是屋顶的分析和预测是至关重要的权重在长壁板。尽管地下数据收集和传输的跨越式发展,矿业和地区大规模的保护数据的相关分析仍然具有挑战性。在这项研究中,一种混合机器学习模型集成长期短期记忆(LSTM)网络和贝叶斯优化算法(BO)开发基于背景预测TWAP压力(SP),修改后的设置压力(负责),最终压力(FP)的收益率(纽约),TWAP过去支持周期(TWAP(去年)),并在每个周期加载速率。统计措施,包括平均平方误差和平均绝对误差被用来验证和比较BP模型的预测性能,LSTM模型和BO-LSTM模型。此外,敏感性进行了评价研究输入参数的重要性。结果表明,BO-LSTM模型在预测TWAP健壮。FP和TWAP(去年)中最重要的输入参数TWAP预测,其次是负责和纽约。此外,加载率的总重要性分数达到0.229,表明这些参数的必要性包括数据集。拟议中的BO-LSTM模型能够预测TWAP shield-roof状态智能感知。SN - 1468 - 8115 UR - https://doi.org/10.1155/2021/8895844 - 10.1155 / 2021/8895844摩根富林明Geofluids PB - Hindawi KW - ER