-
公开(公告)号：CN110160380A
公开(公告)日：2019-08-23
申请号：CN201910475400.0
申请日：2019-06-03
申请人： 中国矿业大学
摘要： 一种宽通道板式换热器及换热器粒子群优化结构设计方法，属于换热器设计技术领域。提取单层换热板片表面的梯形凸台的6个变量构成结构参数，确定设计范围。采用正交法，生成25组具有不同结构和操作条件的典型换热器板。通过Solidworks生成单层换热板片，基于Fluent数值模拟软件，获得相应换热器板结构的换热努塞尔数和压降。根据获得的样本集，拟合换热器板的换热努赛尔数和压降综合准则关系模型。以最大换热努塞尔数和最小压降作为优化目标，采用粒子群优化，寻优获得最佳换热器板的结构参数。优点：适用于找到对于板式换热器的流动和换热特性影响显著的形状参数，并且在核心参数连续分布的情况下，寻找得到换热效果最好同时压降损失最小的形状参数分布范围。
-
公开(公告)号：CN111275003A
公开(公告)日：2020-06-12
申请号：CN202010101031.1
申请日：2020-02-19
申请人： 煤炭科学研究总院 , 中国矿业大学 , 中国科学院沈阳自动化研究所
摘要： 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。
-
公开(公告)号：CN110688983A
公开(公告)日：2020-01-14
申请号：CN201910976478.0
申请日：2019-10-15
申请人： 中国矿业大学
摘要： 本发明公开了基于多模态优化和集成学习的微震信号识别方法，实现对微震信号的分类，从而完成对冲击地压灾害更加准确、及时的预警。首先，根据微震训练样本集的非平衡率，确定采样倍率，实现基于SMOTE的小类样本生成；其次，采用放回采样方式，进行多次抽取，得到多个子训练样本集，并在每个子训练样本集上训练多个弱分类器；再次，根据每个子训练样本集上的分类结果，选择分类性能最优的个体作为最终的集成个体；最后，采用多模态优化技术，去除冗余的集成弱分类器个体，选择最优弱分类器组合参与集成。本发明充分考虑微震信号的非平衡特性，利用多模态优化技术对弱分类器个体进行选择，寻找部分具有差异性大的个体参与集成，减少冗余个体对集成学习器性能的影响，提高了微震信号的分类正确率，为冲击地压灾害及时有效预警提供更有力的支持。
-
公开(公告)号：CN111275003B
公开(公告)日：2023-08-01
申请号：CN202010101031.1
申请日：2020-02-19
申请人： 煤炭科学研究总院 , 中国矿业大学 , 中国科学院沈阳自动化研究所
IPC分类号： G06F18/24 , G06F18/213 , G06F18/214 , G01V1/28
摘要： 一种基于类最优高斯核多分类支持向量机的微震信号识别方法，属于机器学习与数据挖掘领域。首先，对微震数据按照信道划分，并进行数据格式转换；其次，对每个信道数据根据均值和方差进行特征提取，并将同一样本的所有信道合并，构成新特征，利用类最优高斯核多分类支持向量机，对合成数据进行特征选择，生成降维后的非平衡训练样本集；再次，根据训练样本的非平衡率，确定欠采样倍率，对大类样本进行欠采样；最后，采用多分类支持向量机构建降维后的微震信号分类器。本发明可以有效减少冗余特征对分类的影响；通过对信道特征和合并特征进行双重降维，有效降低微震信号维度，提高微震信号分类器的正确率和时效性，增加冲击地压灾害预警的准确率。
-
-
-
搜索结果
4 条记录 (耗时 0.027 秒)
