基于长短期记忆网络的矿工不安全行为研究

鞠春雷; 聂方超; 刘文岗; 郭金山; 张江石

基于长短期记忆网络的矿工不安全行为研究

计量
- 文章访问数: 38
- HTML全文浏览量: 0
- PDF下载量: 0
出版历程
- 发布日期: 2020-09-19

Research on Miners’ Unsafe Behavior Based on Long and Short Term Memory

摘要

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。
- 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
Abstract: The emergence of unsafe behavior of miners is a complex nonlinear dynamic process. In order to predict the time series of unsafe behavior, the long and short term memory with a “memory” function and a solution to the disappearance of gradients is selected. Keras under TensorFlow was used to build a time series prediction model of unsafe behavior based on long and short term memory. A total of 3 405 time series data in coal mine A and B were used for model training and testing, and the optimal parameters were selected according to the cross validation set. The results showed that the minimum average absolute error of the four time series prediction models is 0.080 7 and the maximum average absolute error is 0.333 5 and those models can well predict unsafe behavior in a certain period of time in the coal mine.
- unsafe behavior /
- time series /
- recurrent neural network /
- long and short term memory /
- machine learning

HTML全文

参考文献(16)

[1]	张金磊,罗玉玲,付强.基于门控循环单元神经网络的金融时间序列预测[J].广西师范大学学报(自然科学版),2019,37(2):82-89.
[2]	张铭坤,王昕.基于GRU-RNN模型的城市主干道交通时间预测[J].北京信息科技大学学报(自然科学版),2019,34(4):30-35.
[3]	王书芹.基于深度学习的瓦斯时间序列预测与异常检测[D].徐州:中国矿业大学,2018.
[4]	傅贵.安全管理学—事故预防的行为控制方法[M].北京:科学出版社,2017.
[5]	周奇才,沈鹤鸿,赵炯,等.基于改进堆叠式循环神经网络的轴承故障诊断[J].同济大学学报(自然科学版),2019,47(10):1500-1507.
[6]	张斌,魏维,高联欣,等.基于时空域深度神经网络的野火视频烟雾检测[J].计算机应用与软件,2019,36(9):236-242.
[7]	冯天艺,杨震.采用多任务学习和循环神经网络的语音情感识别算法[J].信号处理,2019,35(7):1133.
[8]	卢艳.基于神经网络与注意力机制结合的语音情感识别研究[D].北京:北京邮电大学,2019.
[9]	唐贤伦,林文星,杜一铭,等.基于串并行卷积门阀循环神经网络的短文本特征提取与分类[J].工程科学与技术,2019,51(4):125-132.
[10]	肖爽.基于LSTM的无人驾驶有轨电车安全评测方法研究[D].西安:西安理工大学,2019.
[11]	Graves A. Supervised Sequence Labelling with Recurrent Neural Network[M]. Berlin: Springer Berlin Heidelberg, 2012.
[12]	Duchi John, Hazan Elad, Singer Yoram. Adaptive Subgradient Methods for Online Learning and Stochastic Optimization[J]. Journal of Machine Learning Research, 2011(12): 2121-2159.
[13]	Hinton, Geoffrey, Vinyals, et al. Distilling the Knowledge in a Neural Network[J]. Computer Science, 2015, 14(7): 38-39.
[14]	王世元,王文月,钱国兵.自适应矩估计最大相关熵算法的混沌序列预测[J].华南理工大学学报(自然科学版),2019,47(4):20-26+34.
[15]	骆火红,王文和,王贤田,等.基于2-4模型的高温作业下员工“脱帽”不安全行为原因分析及预防对策[J].安全与环境工程,2018,25(4):146-149.
[16]	姚明亮,祁神军,张云波,等.管理和人因的安全干预对建筑工人不安全行为的影响研究[J].安全与环境工程,2019,26(4):140-146.

施引文献

资源附件(0)

计量

文章访问数: 38
HTML全文浏览量: 0
PDF下载量: 0
被引次数: 0

基于长短期记忆网络的矿工不安全行为研究

计量

出版历程

Research on Miners’ Unsafe Behavior Based on Long and Short Term Memory

计量

出版历程

目录