[發明專利]基于一維卷積神經網絡的沖擊地壓發生情況可視化與分級預警方法

在審

• 申請號: 202110471206.2
• 申請日: 2021-04-29
• 公開（公告）號: CN113191545A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 蘇樹智;謝玉麒
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/04;G06N3/08;G06Q50/02;G06Q50/26
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積神經網絡的沖擊地壓發生情況可視化與分級預警方法,其特征在于，包括如下步驟：

步驟S1，建立卷積神經網絡模型；

步驟S2，通過卷積神經網絡模型預測某時刻沖擊地壓發生概率；

步驟S3，通過圖像函數可視化預測結果，設定閾值，實現沖擊地壓發生分級預測。

2.根據權利要求1所述的基于卷積神經網絡的沖擊地壓發生情況可視化與分級預警方法,其特征在于，所述步驟S1建立卷積神經網絡模型的方法包括如下步驟：

步驟S11，采集建立卷積神經網絡網絡模型所需樣本數據；

所述樣本數據包括：一段時間內礦井某深層位置沖擊地壓能量大小和發生情況標簽；

步驟S12，對采集到的能量數據進行標準化處理；

步驟S13，使用隨機采樣方法從步驟S12中提出訓練集，驗證集；

所述隨機采樣方法包括：將步驟S12中經過標準化處理后的數據集等分為Z份，每次訓練時，從Z份數據集中隨機抽取Z-1份作為訓練集，1份作為驗證集；

步驟S14，使用步驟S13生成的訓練數據集訓練卷積神經網絡，使用步驟S13生成的驗證對卷積神經網絡訓練效果進行驗證，并調整參數。

3.根據權利要求2所述的基于卷積神經網絡的沖擊地壓發生情況可視化與分級預警方法,其特征在于，所述步驟S2中通過卷積神經網絡模型預測某時刻沖擊地壓發生概率的方法包括如下步驟；

步驟S21：調整網絡參數，提升模型效果；

所述調整網絡參數，提升模型效果方法包括：調整神經網絡中卷積核個數，網絡中隱藏層層數，學習率，最大訓練批次；

步驟S22：將總體數據集輸入到訓練好的卷積神經網絡中，生成沖擊地壓發生概率預測。

4.根據權利要求3所述的基于卷積神經網絡的沖擊地壓發生情況可視化與分級預警方法,其特征在于，所述通過圖像函數可視化預測結果，設定閾值，實現沖擊地壓發生分級預測的方法包括：

步驟S31：使用繪圖函數將步驟S2的網絡輸出以圖像化顯示；

所述繪圖函數參數包括，作為橫坐標參數的時間序列；作為縱坐標的沖擊地壓發生概率預測；

步驟S32：根據預測數據設置閾值，得到沖擊地壓分級預警；

所述根據預測數據設置閾值，得到沖擊地壓分級預警；

針對網絡模型所預測的沖擊地壓發生概率，設定閾值函數，將預測概率輸入閾值函數，最終得到沖擊地壓分級預警結果；

其中，所述分級閾值函數為：

其中，所述分級閾值函數參數包括，R所指為分級預警結果，包括DBCA四個等級，x為步驟S2由卷積神經網絡預測的沖擊地壓發生概率。