【摘 要】
:
随着煤炭开采深度的持续增加,因矿井围岩应力增高而造成的煤炭生产事故发生强度和频度也不断增加,严重威胁着煤炭安全生产。因此,为了避免此类事故的发生,必须要对围岩应力采取必要的监测预警手段,从而保障矿井安全高效生产。论文针对矿井围岩应力监测数据分析中存在的可靠性低、预测精度不满足现场需求的问题,基于深度学习的理论对矿井围岩应力预测方法展开研究,主要研究内容如下:(1)提出了基于多传感器支持度与自适应加
【基金项目】
:
国家重点研究发展计划项目(2018YFC0808303)《煤矿通风系统重大隐患监测及识别技术》,2018年12月至2020年7月; 西安市科技计划项目(2020KJRC0069)《面向基于深度学习的高应力围岩灾害预测预警研究》,2020年1月至2020年8月;
论文部分内容阅读
随着煤炭开采深度的持续增加,因矿井围岩应力增高而造成的煤炭生产事故发生强度和频度也不断增加,严重威胁着煤炭安全生产。因此,为了避免此类事故的发生,必须要对围岩应力采取必要的监测预警手段,从而保障矿井安全高效生产。论文针对矿井围岩应力监测数据分析中存在的可靠性低、预测精度不满足现场需求的问题,基于深度学习的理论对矿井围岩应力预测方法展开研究,主要研究内容如下:(1)提出了基于多传感器支持度与自适应加权的围岩应力融合算法SDAWS(data fusion algorithm of surrounding rock stress based on support degree and adaptive weighted)。该算法针对矿井围岩应力监测数据来源多、数据可靠性低的问题,将多个位置的工作面支架阻力进行数据融合。通过长短期记忆网络模型分别对经过SDAWS算法融合前后的围岩应力数据进行预测,实验结果表明:相对于未融合的数据,经过SDAWS算法融合后的围岩应力数据进行预测,在训练集和测试集的均方误差分别降低了31.16%,33.77%。(2)提出 了基于 Attention-CNN-HN(Highway Network Integrated with Attention mechanism and Convolutional Neural Network)的矿井围岩应力预测方法。构建基于highway神经网络的围岩应力预测模型,采用均方误差做损失函数,确定模型的超参数。采用CNN自动提取围岩应力的特征信息,再将提取特征输入到attention层,为不同的输入特征分配相应的权重。然后应用highway神经网络对围岩应力进行时序性数据预测。实验结果表明:相对于 Attention-CNN-LSTM和 Attention-CNN-GRU 两种模型,Attention-CNN-HN在测试集上的均方误差分别降低了 37.06%,12.17%,且运行效率分别提高了17.36%,5.85%。(3)采用面向对象的思想,在JAVA平台下,基于SDAWS围岩应力融合算法与Attention-CNN-HN矿井围岩应力预测模型,设计并实现了矿井围岩应力预警系统。系统具有动态围岩应力监测、数据统计查询、围岩应力预警、系统设置四个功能。通过对系统的分析、设计、实现、测试等多个环节,实现了系统的应用。系统达到了界面美观、操作简便的目标。现场应用效果表明:系统具有较好的应用价值,为井下安全生产提供了良好保障。
其他文献
我国西部煤炭基地地处干旱-半干旱地区,水资源匮乏,生态环境十分脆弱。随着西部煤炭基地高产高效开采技术的普及,煤层覆岩表现出新的破坏演化规律。采煤对含水层结构破坏和生态环境影响日益突出。因此,开展煤炭开采过程中覆岩应力场、裂隙场以及渗流场的发育规律研究,对我国西部生态脆弱矿区的煤炭安全、绿色、高效开采具有重要意义。本文以榆神矿区金鸡滩井田首采工作面为研究对象,通过收集整理文献资料,分析了研究区地质环
西安是一个地裂缝十分发育的城市,城市地下综合管廊工程是典型的线性工程。在西安修建综合管廊不可避免的要穿越地裂缝,管廊结构在建设和运营过程中将长期受到地裂缝错动的影响。地裂缝错动下,管廊结构会产生张拉-挤压、张拉-扭剪、剪断等破坏形式及底部出现脱空现象,其中管廊结构底部脱空常伴随其它破坏形式共同发生,是引起管廊结构产生破坏的重要因素。因此,开展管廊结构底部脱空及其受力性能的研究尤为重要。本文以西安某
交通流预测问题主要通过考虑交通流量的历史时间序列特征预测当前目标节点在未来一段时间的交通流量信息。作为智能交通领域的研究热点,对于交通疏导和路径规划等具有重要意义。针对已有的交通网络时空信息特征分析和建模方式的不足,如路网拓扑结构的构建方式不合理、数据特征信息存在单一性,导致不能有效提取城市路网动态的空间依赖关系、挖掘出潜在的交通模式等问题,提出一种基于预测能力得分(Predictive Powe
方管结构在建筑、机械、电力、化工等领域中应用广泛,在国民经济和社会发展方面发挥着巨大作用。方管结构在服役过程中,受载荷和环境等因素影响,极易产生疲劳裂纹和腐蚀等缺陷,及时进行缺陷检测,对预防事故的发生具有重要意义。目前方管结构检测主要采用传统超声的方法,存在检测效率低下的问题。因此,研究高效的方管结构缺陷检测方法,及时准确地判断和识别方管结构的缺陷尤为必要。本文提出利用超声导波的方法对方管结构进行
外周血液中的白细胞检测对于诊治许多疾病有着重要价值。目前,临床上多釆用血细胞分析仪与人工镜检的方式对白细胞进行分类检测。但这种方式效率较低,受镜检人员主观感受影响较大。随着医学影像处理技术的发展,利用图像处理方法对白细胞进行自动分类识别的技术具有较高的实用价值。因此本文提出了一种基于卷积神经网络的白细胞分类识别方法。首先针对白细胞图像采集中染色方式不同及硬件设备影响,出现干扰白细胞图像精确分割的灰
人工智能技术的快速发展,对我国经济向高端制造业和高科技领域转型起到了重大推动作用。然而,诸如卷积神经网络(Convolutional Neural Networks,CNN)等人工智能领域典型算法越来越呈现出计算密集性和访存密集性等高密集特性,给计算芯片处理能力带来巨大挑战。可重构结构同时具有通用处理器的高灵活性和专用硬件的高能效,成为应对高密集型应用处理的有效手段。但是,可重构处理器目前仍然面临
关键设施和关键资产面临着较高的安全风险,一旦遭到非法入侵可能会造成严重的后果。实物保护系统脆弱性评估就是为了验证保护系统的防护性能并识别保护系统的漏洞,从而确保保护目标的安全。实物保护系统评估的方法一般分为两类:定性分析和定量分析。定性分析主要根据功能测试和相关规范进行专家打分评估,定量分析则需要严格的大量的实验以确定系统各个部件的有效性。定量分析的代价高于定性分析,用户可根据实际需要选择对保护系
煤与瓦斯突出是煤矿的五大灾害之一,预防煤与瓦斯突出是煤炭企业安全生产的关键。瓦斯突出机理模型尚不明确,且瓦斯涌出量为非线性时间序列数据,使得传统的预测方法难以应对瓦斯突出这样复杂的非线性过程。由于神经网络有强大的非线性拟合能力,所以可以通过构建神经网络瓦斯涌出量预测模型,对瓦斯灾害进行有效的防治。为提高瓦斯涌出量的预测精度,本文采用改进的烟花算法(WOFWA)对回声状态网络(ESN)储备池参数选择
三维地理信息系统(3DGIS)是智慧矿山的重要组成部分,人员定位系统作为3DGIS平台的核心,对煤矿的日常运营和安全管理起着重要的作用。我国煤矿企业广泛使用3DGIS平台历史较短,相应平台大多不够成熟。在山东某煤矿企业使用的3DGIS平台(H平台)日常运行中,发现该平台的人员定位系统中存在人员定位偏离巷道、历史轨迹穿模等问题。此类问题不仅会对管理人员造成困扰,更可能引起系统的误判断、误操作,对煤矿
位置服务在人们日常的生活中扮演着重要角色,在目标定位、灾害预防、紧急救援、商业广告、道路辅助等领域都展现了巨大的发展前景。目前,基于位置指纹的WiFi室内定位技术具有部署成本低、普适性强、覆盖范围广等优势,成为了室内定位领域的研究热点。然而,在复杂的室内环境中,WiFi信号的时变性以及WiFi指纹与物理位置的复杂非线性映射,使得设计高精度、低复杂度、低成本的WiFi指纹定位方案仍然面临诸多挑战。本