[發明專利]一種導水裂隙帶高度預測方法

有效

• 申請號: 201410505095.2
• 申請日: 2014-09-28
• 公開（公告）號: CN104200292A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 施龍青;邱梅;韓進;滕超;牛超
• 申請（專利權）人: 山東科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/02
• 代理公司: 青島高曉專利事務所 37104
• 代理人: 張世功

1.一種導水裂隙帶高度預測方法，其特征在于包括以下工藝步驟：

(1)獲取樣本數據：選取導水裂隙帶高度的影響指標5～8個，統計部分礦井的導水裂帶隙影響指標和高度數據，形成樣本數據；

(2)影響指標的主成分建模：利用主成分分析法對步驟(1)形成的樣本數據中各樣本的影響指標數據進行降維，得到影響導水裂隙帶高度的主成分模型，求取各樣本的主成分值，并與導水裂隙帶高度組成新的樣本集，其具體步驟如下：

①對樣本數據的各樣本中的影響指標數據進行歸一化處理，得到樣本集矩陣X；

②將樣本集矩陣X用下式變換為相關矩陣，得到主成分矩陣R：

R＝(r_ij)_p×p

且rij=1nΣa=1n(xai-x‾i)(xaj-x‾j),(i=1,2,···p;j=1,2,···p)]]>

其中：x_ai為第i個影響指標第a個樣本的數值；

為第i個影響指標所有樣本數值的平均值；

x_aj為第j個影響指標第a個樣本的數值；

為第j個影響指標所有樣本數值的平均值；

n為樣本個數；

i為影響指標個數；

r_ij為第i個影響指標與第j個影響指標的相關系數；

③根據主成分矩陣R求出特征值、主成分貢獻率和累計貢獻率，確定主成分個數m，并按下式建立主成分模型：

F_i＝a_1iX₁+a_2iX₂+…+a_piX_p???(i＝1,2,…,m)

其中，F_i為第i主成分，每個方程中的系數向量(a_1i,a_2i,…,a_pi)分別是特征值λ₁，λ₂，…，λ_m所對應的單位特征向量，X_i(i＝1、2……i)為第i個影響指標的標準化數據；

④求取各樣本主成分的數值，并與導水裂隙帶實測高度組成新的樣本集；

(3)建立導水裂隙帶高度預測的小波神經網絡模型：利用小波神經網絡算法模型進行訓練，建立導水裂隙帶高度的小波神經網絡預測模型，其步驟如下：

①建立網絡樣本：把步驟(2)中形成的新樣本集劃分為訓練樣本和測試樣本，訓練樣本用于訓練網絡，測試樣本用于測試網絡預測精度；

②網絡初始化：隨機初始小波函數伸縮因子a_k、平移因子b_k以及網絡連接權值，設置網絡學習速率lr₁和lr₂，設定期望誤差e’和最大訓練步數m；

③網絡訓練：把訓練樣本輸入網絡，計算網絡預測輸出并計算網絡輸出和期望輸出誤差e，根據誤差e修正網絡權值和小波函數參數，使網絡預測值逼近期望值；

④判斷算法是否結束：若誤差e達到期望誤差值e’或達到訓練步數m則算法結束，否則返回步驟③；

⑤網絡檢驗：利用測試樣本測試網絡預測精度，若預測精度≥85％則可應用，若預測精度<85％則重新主成分建模；

(4)根據步驟(3)建立的預測模型對礦井導水裂隙帶高度進行預測。