典型文献
基于遗传算法-深度神经网络的分布式光纤监测工作面矿压预测
文献摘要：
煤层开采过程中的工作面矿压分析与预测,对煤矿顶板管理与安全生产具有重要意义.然而,工作面开采引起的围岩移动和变形影响着矿压预测的准确度.为了提高工作面来压位置预测的精度,以分布式光纤监测采动覆岩变形的频移数据为基础,引入门控循环神经网络(gated recurrent neural networks,GRU),建立了遗传算法(genetic algorithm,GA)-GRU-反向传播(back propagation,BP)的工作面来压位置预测模型.将光纤频移值的统计特征融合工作面推进距离等因素作为特征向量,并采用GA对GRU及BP网络的超参数寻优.实验结果表明:预测模型的决定系数为98.7％,平均绝对误差为1.224 cm,均方根误差为1.769 cm,预测的准确性高,为工作面矿压预测提供了新的方法.
文献关键词：
工作面矿压;工作面来压位置预测;GA-GRU-BP;光纤频移值
中图分类号：
作者姓名：
冀汶莉;田忠;张丁丁;欧阳一博
作者机构：
西安科技大学通信与信息工程学院,西安710054;西安科技大学能源学院,西安710054
文献出处：
引用格式：
[1]冀汶莉;田忠;张丁丁;欧阳一博-.基于遗传算法-深度神经网络的分布式光纤监测工作面矿压预测)[J].科学技术与工程,2022(24):10485-10492
A类：
工作面来压位置预测,光纤频移值
B类：
深度神经网络,分布式光纤监测,监测工作,工作面矿压,煤层开采,开采过程,矿压分析,煤矿,顶板管理,围岩,岩移,移动和变形,变形影响,采动覆岩,覆岩变形,移数,入门,门控循环神经网络,gated,recurrent,neural,networks,GRU,genetic,algorithm,GA,反向传播,back,propagation,统计特征,特征融合,推进距离,特征向量,超参数寻优,决定系数,平均绝对误差
AB值：
0.333807
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。
