天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

當(dāng)前位置:主頁 > 科技論文 > 安全工程論文 >

基于深度學(xué)習(xí)的采空區(qū)卸壓瓦斯抽采智能評(píng)價(jià)方法研究

發(fā)布時(shí)間:2024-02-03 00:21
  采空區(qū)卸壓瓦斯抽采是礦井瓦斯治理的主要手段。安全高效的瓦斯抽采效果評(píng)價(jià)對(duì)于礦井瓦斯精準(zhǔn)抽采有著至關(guān)重要的作用,采空區(qū)卸壓瓦斯抽采的智能評(píng)價(jià)對(duì)采空區(qū)卸壓瓦斯抽采工程具有重要的指導(dǎo)意義。本文通過工程資料收集、理論分析、模型搭建與訓(xùn)練、原型系統(tǒng)設(shè)計(jì)開發(fā)及現(xiàn)場試驗(yàn)等方法,提出了采空區(qū)卸壓瓦斯抽采評(píng)價(jià)指標(biāo)體系,構(gòu)建了基于LSTM(Long Short Term Memory長短期記憶網(wǎng)絡(luò))的采空區(qū)卸壓瓦斯抽采評(píng)價(jià)指標(biāo)預(yù)測模型,形成了采空區(qū)卸壓瓦斯抽采智能評(píng)價(jià)方法,開發(fā)了采空區(qū)卸壓瓦斯抽采評(píng)價(jià)系統(tǒng)。論文主要研究工作如下:(1)在采空區(qū)卸壓瓦斯抽采原理及技術(shù)綜合分析的基礎(chǔ)上,對(duì)鉆孔因素、風(fēng)流瓦斯?jié)舛纫蛩、抽采濃度因素等關(guān)鍵影響因素分析,考慮各個(gè)指標(biāo)間相互耦合作用及對(duì)采空區(qū)卸壓瓦斯抽采綜合評(píng)價(jià)的影響,基于層次分析法和關(guān)系矩陣法選取了瓦斯抽采濃度、抽采流量、風(fēng)流瓦斯?jié)舛鹊炔煽諈^(qū)卸壓瓦斯抽采評(píng)價(jià)指標(biāo),利用模糊綜合評(píng)價(jià)建立指標(biāo)滿意度模型,提出了采空區(qū)卸壓瓦斯抽采評(píng)價(jià)指標(biāo)體系,對(duì)采空區(qū)卸壓瓦斯抽采效果進(jìn)行等級(jí)評(píng)價(jià)。(2)針對(duì)采空區(qū)卸壓瓦斯抽采評(píng)價(jià)指標(biāo)預(yù)測精度問題,對(duì)礦井瓦斯抽采計(jì)量數(shù)據(jù)采用One-hot編碼對(duì)...

【文章頁數(shù)】:150 頁

【學(xué)位級(jí)別】:博士

【部分圖文】:

圖1.7ST-PSO-SVR算法整體模型圖

圖1.7ST-PSO-SVR算法整體模型圖

1緒論對(duì)煤與瓦斯突出的危險(xiǎn)性進(jìn)行了預(yù)測評(píng)價(jià)。選取瓦斯放散初速度、開采深度、瓦斯壓力、煤的堅(jiān)固性系數(shù)等關(guān)鍵預(yù)測指標(biāo)作為評(píng)價(jià)煤與瓦斯突出的關(guān)鍵指標(biāo),建立了煤與瓦斯突出預(yù)測的神經(jīng)網(wǎng)絡(luò)模型。付華[148-150]提出經(jīng)改進(jìn)的粒子群算法(MPSO)優(yōu)化的加權(quán)最小二乘支持向量機(jī)(WLS-S....


圖1.8鄰接點(diǎn)和時(shí)間維度預(yù)測精度對(duì)比

圖1.8鄰接點(diǎn)和時(shí)間維度預(yù)測精度對(duì)比

1緒論對(duì)煤與瓦斯突出的危險(xiǎn)性進(jìn)行了預(yù)測評(píng)價(jià)。選取瓦斯放散初速度、開采深度、瓦斯壓力、煤的堅(jiān)固性系數(shù)等關(guān)鍵預(yù)測指標(biāo)作為評(píng)價(jià)煤與瓦斯突出的關(guān)鍵指標(biāo),建立了煤與瓦斯突出預(yù)測的神經(jīng)網(wǎng)絡(luò)模型。付華[148-150]提出經(jīng)改進(jìn)的粒子群算法(MPSO)優(yōu)化的加權(quán)最小二乘支持向量機(jī)(WLS-S....


圖3.11batch為512時(shí)Loss與Acc變化圖像

圖3.11batch為512時(shí)Loss與Acc變化圖像

2'1111nniiiiiMAEEYYnn平均絕對(duì)誤差,iE為第i個(gè)實(shí)際值與預(yù)測值得絕對(duì)誤個(gè)預(yù)測值。由于預(yù)測誤差有正有負(fù),為避免正負(fù)相抵,其平均值。調(diào)優(yōu)時(shí)間步長)代表了LSTM能夠利用的序列長度,是數(shù)量較大時(shí)可適當(dāng)減小batchsize....


圖3.12batch為256時(shí)Loss變化圖像

圖3.12batch為256時(shí)Loss變化圖像

ze為128、256、512的性能。使用建立的LSTM模次batch大小為512,損失函數(shù)為MSE。訓(xùn)練的損STM模型,設(shè)置的訓(xùn)練輪數(shù)epochs為64,批次b練的損失值與準(zhǔn)確率如圖3.12所示。



本文編號(hào):3893390

資料下載
論文發(fā)表

本文鏈接:http://www.sikaile.net/kejilunwen/anquangongcheng/3893390.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶45f03***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com