Vmd-se-ceemdan-bo-cnngu: un modelo de aprendizaje profundo híbrido de descomposición de modo de doble etapa para la predicción de series temporales microsísmicas
Autores: Cui, Mingyi; Hou, Enke; Hou, Pengfei
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Vmd-se-ceemdan-bo-cnngu: un modelo de aprendizaje profundo híbrido de descomposición de modo de doble etapa para la predicción de series temporales microsísmicas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Desastre en mina de carbón
Tecnología microsísmica
Modelo de aprendizaje profundo
Descomposición modal variacional
CEEMDAN
Arquitectura CNN-GRU
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
El modelo VSCB-CNNGRU mejora tanto la precisión como la estabilidad en la predicción microsísmica, apoyando la evaluación dinámica de riesgos y la alerta temprana en la minería del carbón.
Descripción
El modelo VSCB-CNNGRU mejora tanto la precisión como la estabilidad en la predicción microsísmica, apoyando la evaluación dinámica de riesgos y la alerta temprana en la minería del carbón.