[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

本發明公布了一種基于深度學習的巖溶塌陷預測方法及裝置，其主要特征是：收集影響巖溶塌陷的主要因素數據集x_i并進行預處理；建立以特征標簽為數據集的深度置信網結構DBNs，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，在DBNs中輸入需要預測巖溶的影響因素數據集x^*，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的流程示意圖，本發明實施例能夠體現巖溶塌陷狀態預測的準確性和靈活性問題，能夠為巖溶塌陷防治提供依據。

技術領域

本發明是一種基于深度學習的巖溶塌陷預測方法及裝置，涉及巖溶穩定性和深度學習技術等相關領域。

背景技術

我國巖溶地區分布廣泛，是世界上巖溶最發育的國家之一。近年來，隨著經濟的不斷發展，巖溶地區建設的工程項目越來越多，由此引發的巖溶塌陷問題也日趨頻繁、嚴重，已成為巖溶區可持續發展的一大障礙，有效減輕其造成的危害勢在必行。而巖溶塌陷狀態的預測是在對實例的基礎上進行識別判斷，是一套巖溶塌陷分析、評價、監測預報和綜合防治方法體系。

巖溶塌陷發育的廣泛性與危害性已引起國際社會的普遍關注，特別是70年代以來，召開了多次與塌陷有關的國際會議，但由于巖溶地面塌陷是十分復雜的系統工程過程，此外塌陷產生的過程和機理尚未完全清楚。基于這些特點，巖溶塌陷評價通常以定性描述和分析為主，很難定量化，因而使評價結果有較大的隨機性和不準確性，使得巖溶塌陷狀態的預測成為巖溶穩定性研究中的薄弱環節。

隨著計算機技術的快速發展，人工智能的深度學習算法的研究應用也得到了快速發展。近些年，深度學習技術被廣泛應用于圖像識別領域、語言識別領域、視頻分析領域、文本分析領域和大數據分析領域，并取得了極大成功。深度學習本質上就是一個進行特征描述的過程，因此利用深度學習的原理進行數據分析的優點突出，采用深度學習技術進行巖溶塌陷狀態預測是可行的，并且可將這種技術發展成一種新型的預測方法。

基于深度學習技術的巖溶塌陷狀態預測方法，是將巖溶塌陷影響因素和與之相關的數據輸入預測模型，以此自動且快速地進行預測。因此，基于深度學習技術的巖溶塌陷模式預測方法及裝置是能夠準確、快速獲取預測結果，其給工程實際帶來的效益是巨大的。

發明內容

本發明實施例采用一種基于深度學習的巖溶塌陷預測方法及裝置，利用該方法及裝置能夠快速準確進行巖溶塌陷狀態的預測，建立滿足工程需求的自適應深度學習的分析處理模型，本發明提供的一種基于深度學習的巖溶塌陷預測方法及裝置，包括：

1.預測方法原理包括：步驟一，收集獲取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)，對以上6種因素數據集進行預處理；步驟二，建立以特征標簽為數據集的深度置信網DBNs；步驟三，利用深度學習技術對海量數據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.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^*，輸出巖溶塌陷狀態預測結果，達到準確預測的效果。