- 专利标题: 一种基于时间序列数据的神经网络冲击地压预测方法
-
申请号: CN202110395130.X申请日: 2021-04-13
-
公开(公告)号: CN113139681B公开(公告)日: 2023-10-17
- 发明人: 苏树智 , 张若楠 , 李宁 , 朱彦敏 , 杨超宇 , 张庆贺
- 申请人: 合肥综合性国家科学中心能源研究院(安徽省能源实验室) , 安徽理工大学
- 申请人地址: 安徽省合肥市包河区滨湖卓越城文华园9号楼;
- 专利权人: 合肥综合性国家科学中心能源研究院(安徽省能源实验室),安徽理工大学
- 当前专利权人: 合肥综合性国家科学中心能源研究院(安徽省能源实验室),安徽理工大学
- 当前专利权人地址: 安徽省合肥市包河区滨湖卓越城文华园9号楼;
- 代理机构: 北京科迪生专利代理有限责任公司
- 代理商 安丽
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06N3/045 ; G06N3/08 ; G06Q50/02 ; G06F18/214 ; G06F18/21
摘要:
本发明涉及一种基于时间序列数据的神经网络冲击地压预测方法,通过矿山数据采集设备采集冲击地压数据,并对主要影响因素进行量化处理;将量化后的数据进行标准化后加入随机噪声;通过滑动窗口方法截取定量的时间窗口来构建样本数据;通过随机采样方法对时间窗口数据划分训练集,验证集;利用训练集数据对建立的神经网络进行训练,并使用验证集测试网络性能对网络参数进行调整;利用训练得到的神经网络模型对矿井的冲击地压进行预测得到危险预警信息。本发明可靠性较高,提出了通过时间序列数据训练神经网络,克服了冲击地压预测受短时数据限制的问题,实现了冲击地压长期动态预测,可以有效进行冲击地压灾害预警。
公开/授权文献
- CN113139681A 一种基于时间序列数据的神经网络冲击地压预测方法 公开/授权日:2021-07-20