矿压预测是实现综采工作面智能化的重要组成部分,具有广阔的应用场景。液压支架载荷是综采工作面覆岩运动的直接体现,其载荷峰值循环末阻力是判断顶板来压,开展煤矿顶板、水、火灾害防控的关键指标。本研究以预测循环末阻力的变化对矿压显现规律进行表征,形成一套基于区域化的支架数据质量优化方法,时空融合的顶板压力预测模型构建,以及多尺度部署的方法体系。实验结果表明结合了注意力机制的Conv1d+Bi-LSTM时空模型有效提取了液压支架的工况矩阵的特征信息,针对不同情况的数据优化方法提升了模型的预测精度,模型具有良好的鲁棒性与泛化性,可实现矿压的精确预测。多尺度的部署方法实现了模型灵活部署对实际预测有着重要意义。

基于液压支架工作阻力监测数据对综采工作面矿压进行预测,是实现工作面顶板周期来压超前预警的有效手段,对于动态改善支架适应性和优化围岩支护质量具有重要意义。然而,地下采场环境特殊,液压支架所处工作面位置不同耦合围岩变工况复杂开采条件易造成支架工作阻力数据时序分布差异化,同时生产过程存在非线性和不确定性等特点,严重影响数据驱动模型的预测精度。因此,针对综采工作面液压支架支护过程中耦合变工况影响支架工作阻力数据分布导致的预测模型失准的问题,提出一种基于流形正则域适应函数链接预测误差集成算法的综采工作面矿压预测方法。该方法首先采用流形正则域适应算法寻找特征映射矩阵,将源域和目标域数据的特征信息统一映射至公共空间,以保持耦合变工况下源域和目标域数据几何结构分布一致性;然后基于函数链接预测

矿山压力失衡引起的顶板事故是矿山重大事故之一,超前感知综采工作面矿山压力的变化对保证煤层安全高效具有重要意义。为了提高矿压预测准确性,文中提出了一种基于LSTM网络的时空混合预测模型。该模型采用两个独立的LSTM网络分别提取采空区侧和支架移架侧的压力特征,然后将得到的数据通过全连接层融合,从而实现对矿压的共同预测。文中以MSE和MAE来评估基于LSTM的时空混合模型的预测效果,实验结果表明MSE和MAE分别下降了24.49%和35.24%,说明基于LSTM的时空混合预测模型优于传统LSTM预测模型,且时空混合模型预测方法较传统模型具有更高的可靠性和准确性,能够实现工作面推进过程中对矿压变化的有效预测。