典型文献
基于卷积神经网络的冲击地压预警方法研究
文献摘要：
为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型.充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练.研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警.研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值.
文献关键词：
矿山安全;冲击地压;冲击危险监测预警;卷积神经网络;深度学习
中图分类号：
作者姓名：
曹亚利;李振雷;刘旭东;何学秋;宋大钊;王洪磊
作者机构：
北京科技大学 金属矿山高效开采与安全教育部重点实验室,北京100083;北京科技大学 土木与资源工程学院,北京100083;北京科技大学 大安全科学研究院,北京100083;国家能源集团新疆能源有限责任公司,新疆 乌鲁木齐830084
文献出处：
引用格式：
[1]曹亚利;李振雷;刘旭东;何学秋;宋大钊;王洪磊-.基于卷积神经网络的冲击地压预警方法研究)[J].中国安全生产科学技术,2022(10):101-108
A类：
冲击危险监测预警
B类：
冲击地压,预警方法,矿井,研究背景,微震,网络构建,预警模型,一维卷积神经网络,时序数据,特征提取能力,Python,Keras,模型预警,预警效果,迭代次数,测试集,危险预测,时说,地学,大能量,矿震,矿山安全
AB值：
0.26553
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。
