[發明專利]一種基于深度學習的煤與瓦斯突出強度預測方法在審
| 申請號： | 202011229641.6 | 申請日： | 2020-11-06 |
| 公開（公告）號： | CN112183901A | 公開（公告）日： | 2021-01-05 |
| 發明（設計）人： | 關金鋒;周侃;司中應;鄒福財;聶子淇 | 申請（專利權）人： | 貴州工程應用技術學院 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06N3/04;G06N3/08 |
| 代理公司： | 北京眾合誠成知識產權代理有限公司 11246 | 代理人： | 戚星 |
| 地址： | 551700 貴*** | 國省代碼： | 貴州;52 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 深度 學習 瓦斯 突出 強度 預測 方法 | ||
【權利要求書】：
1.一種基于深度學習的煤與瓦斯突出強度預測方法，其特征在于：包括如下步驟：
步驟一：數據準備，選取煤與瓦斯突出的預測指標，定義訓練數據，并對數據進行標準化處理；
步驟二：特征提取，根據數據集定義網絡或模型組成，將輸入映射到目標，提取地質指標特征；
步驟三：配置學習過程，選擇損失函數、優化器和需要監控的指標，設置迭代次數；
步驟四：訓練模型，輸入樣本調用模型的fit方法在訓練數據上進行迭代，對模型進行訓練和優化；
步驟五：驗證模型，在驗證集上對煤與瓦斯突出樣本進行預測，并與實際結果進行對照，確定模型的預測精度。
2.根據權利要求1所述的一種基于深度學習的煤與瓦斯突出強度預測方法，其特征在于：采用交叉熵損失函數categorical_crossentropy作為損失函數。
3.根據權利要求1所述的一種基于深度學習的煤與瓦斯突出強度預測方法，其特征在于：采用RMSprop優化算法作為模型的優化器，以加快算法的學習速度。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于貴州工程應用技術學院，未經貴州工程應用技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011229641.6/1.html，轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06 計算；推算；計數
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法；其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優化，例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規劃、調度或分配時間、人員或機器資源；企業規劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
