典型文献
基于Adam优化深度神经网络快速确定瓦斯抽采半径
文献摘要：
为解决煤矿瓦斯有效抽采半径难以快速准确确定的问题,采用基于Adam算法优化DNN(深度神经网络)方法来预测瓦斯抽采半径.查阅文献共收集已得到验证的970组数据集,每组数据选取煤层瓦斯初始渗透率、钻孔直径、抽采时间、地应力、煤层初始瓦斯压力作为预测模型的5个特征量,有效抽采半径作为目标输出值.接着预测模型进行不断学习和训练,最终训练得到1个最优的瓦斯有效抽采半径预测模型.利用训练好的最优预测模型结合Python语言开发出计算有效抽采半径的软件,并使用该软件在四季春煤矿和鹤煤六矿进行有效抽采半径预测的工程实例研究,验证该软件预测抽采半径的实用性和准确性.研究结果表明:通过使用开发的软件,可快速且较准确地计算出矿井瓦斯有效抽采半径,可为暂不具备现场测试条件的矿井抽采设计提供一定的参考依据.
文献关键词：
Adam算法;有效抽采半径;预测模型;Python语言;有效抽采半径计算软件
中图分类号：
作者姓名：
郝天轩;陈国印;赵立桢;唐一举
作者机构：
河南理工大学 安全科学与工程学院,河南 焦作454000;河南省瓦斯地质与瓦斯治理重点实验室—省部共建国家重点实验室培育基地,河南 焦作454000;煤炭安全生产河南省协同创新中心,河南 焦作454000
文献出处：
引用格式：
[1]郝天轩;陈国印;赵立桢;唐一举-.基于Adam优化深度神经网络快速确定瓦斯抽采半径)[J].中国安全生产科学技术,2022(06):52-57
A类：
有效抽采半径计算软件
B类：
Adam,深度神经网络,瓦斯抽采,煤矿瓦斯,快速准确,算法优化,DNN,共收,已得,煤层瓦斯,渗透率,钻孔,抽采时间,地应力,瓦斯压力,特征量,不断学习,练得,练好,Python,该软件,四季春,工程实例,实例研究,软件预测,出矿,矿井,暂不,现场测试,测试条件,抽采设计
AB值：
0.264315
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
