[發明專利]一種基于深度學習的巖溶塌陷預測方法及裝置

在審

• 申請號: 202010153717.5
• 申請日: 2020-03-06
• 公開（公告）號: CN111191388A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 張研;梁卓悅;王鵬鵬
• 申請（專利權）人: 桂林理工大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/04;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的巖溶塌陷預測方法及裝置，其特征在于，包括：步驟一，收集影響巖溶塌陷的因素數據集x_i，包括：巖性影響系數(RQC)、巖性結構影響系數(RMSC)、地下水影響系數(GWC)、覆蓋層影響系數(SSC)、地形地貌影響系數(LPC)、環境條件影響系數(ECC)，并對數據集進行預處理；步驟二，建立以特征標簽為數據集的深度置信網結構DBNs；步驟三，利用深度學習技術進行擬合訓練和特征學習，算出DBNs的最佳參數；步驟四，在DBNs中輸入需要預測巖溶的影響因素數據集x^*；步驟五，結合深度學習在訓練集先驗分布的基礎上預測出與x^*對應的最可能的輸出值y*，y*對應巖溶塌陷狀態的穩定、基本穩定、難塌陷、易塌陷、很易塌陷；其裝置主要包括：輸入板塊、工作板塊、預測板塊，本發明的實施例提供一種基于深度學習的巖溶塌陷預測方法及裝置。

2.根據權利要求1所述的預測方法及裝置，其特征在于，所述預測方法為：根據輸入影響巖溶塌陷的主要因素數據集預處理后利用深度學習技術進行擬合訓練和特征提取，建立深度學習網絡模型，并結合需要預測的x^*，輸出巖溶塌陷預測結果，達到準確預測的效果。

3.根據權利要求1所述的預測方法及裝置，其特征在于，所述預測裝置包括：輸入板塊，選取并輸入影響巖溶塌陷因素數據集；工作板塊，用于根據用戶指令，建立深度學習網絡模型并進行深度學習技術等工作；預測板塊，用于根據用戶指令，將工作板塊中輸出的結果反映出來。

4.根據權利要求3所述的裝置，其特征在于，所述預測裝置還包括：輸入模式，輸入影響巖溶塌陷的因素數據集；處理模式，對多維的因素數據集進行預處理；訓練模式，用深度學習技術，進行擬合訓練和特征提取，算出最優參數；功能模式，用于根據用戶指令選取需要預測巖溶的影響因素數據集，利用深度學習技術算出y*；輸出模式，將y*對應的巖溶塌陷狀態進行輸出。

5.根據權利要求4所述的裝置，其特征在于，所述預測裝置還包括：選取單元，選取影響巖溶塌陷的主要因素；優化單元，對多維的因素數據集預處理優化以便提取其特征；學習單元，根據巖溶塌陷的影響因素的數據進行特征學習；轉換單元，根據y*數值轉換成溶塌陷狀態的穩定、基本穩定、難塌陷、易塌陷或很易塌陷的文字進行輸出。