煤礦瓦斯?jié)舛鹊木珳暑A(yù)測是礦井瓦斯防治的關(guān)鍵。為了準確可靠地預(yù)測工作面瓦斯?jié)舛龋岢隽艘环N基于門控循環(huán)單元方法的工作面瓦斯?jié)舛阮A(yù)測模型。采用鄰近均值法對數(shù)據(jù)缺失值和異常值進行補全，采用MinMaxScaler方法對實驗數(shù)據(jù)進行歸一化處理，為了提高模型精度和穩(wěn)定性，采用粒子群算法和Adam算法對GRU超參數(shù)進行優(yōu)化，從而構(gòu)建了基于PSO-Adam-GRU的工作面瓦斯?jié)舛阮A(yù)測模型。以崔家溝煤礦生產(chǎn)監(jiān)測數(shù)據(jù)為樣本數(shù)據(jù)進行模型訓(xùn)練，采用平均絕對誤差、均方根誤差、運行時間3種評價指標對預(yù)測模型性能進行評估，并將預(yù)測結(jié)果與BPNN和LSTM進行對比。結(jié)果表明：PSO-Adam-GRU較BPNN和LSTM具有