一种增强矿井下时间序列数据互相关联性的方法

    公开(公告)号:CN112990439A

    公开(公告)日:2021-06-18

    申请号:CN202110341123.1

    申请日:2021-03-30

    摘要: 本发明涉及深度学习技术领域,具体涉及一种基于长短时记忆神经网络的增强矿井下时间序列数据互相关联性的方法,将LSTM模型在时间序列预测得到的结果通过SGD算法进行优化;本发明通过长短时记忆神经网络作为一种特殊的循环卷积网络,在处理时间序列的预测问题上不仅继承了循环卷积网络得天独厚的优势,并且还能有效地解决循环卷积网络在处理较长时间步时产生地“梯度弥散”现象—即梯度随着时间地延伸会逐渐减小直至消失,解决了矿井下数据相互关联性差的问题。