一种基于深度学习的煤与瓦斯突出强度预测方法技术

本发明专利技术属于瓦斯开采技术领域，具体为一种基于深度学习的煤与瓦斯突出强度预测方法，包括步骤一：数据准备，选取煤与瓦斯突出的预测指标，定义训练数据，并对数据进行标准化处理；步骤二：特征提取，根据数据集定义网络或模型组成，将输入映射到目标，提取地质指标特征；步骤三：配置学习过程，选择损失函数、优化器和需要监控的指标，设置迭代次数；步骤四：训练模型，输入样本调用模型的fit方法在训练数据上进行迭代，对模型进行训练和优化；步骤五：验证模型，在验证集上对煤与瓦斯突出样本进行预测，并与实际结果进行对照，确定模型的预测精度，其结构合理，表达能力更强，映射效果更优，从而更能够提高突出强度预测的准确度。

【技术实现步骤摘要】
一种基于深度学习的煤与瓦斯突出强度预测方法
本专利技术涉及瓦斯开采
，具体为一种基于深度学习的煤与瓦斯突出强度预测方法。
技术介绍
煤与瓦斯突出等煤岩动力灾害现象以及由此引发的煤与瓦斯爆炸等事故均严重制约了矿山生产和经济效益的提高。近年来，随着煤矿开采强度和深度的不断加大，煤与瓦斯突出问题日益显著，有效的突出强度预测方法对防突消突工作具有重大意义。目前，我国预测煤与瓦斯突出的方法主要有定性的比较分析、综合评价方法、电磁辐射预测突出、微震技术预测突出和线性回归分析法等。由于煤与瓦斯突出影响因素复杂，具有很强的非线性特点，而上述方法主要是以单一因素为主，所以存在较大的局限性，不能够真实反映出突出特征及突出区域。突出现象的非线性动力机制表明:影响突出的各基本因素与突出危险之间存在难以用显函数描述的非线性映射关系。深度学习作为机器学习的一个分支领域，其本质特征是逐层训练机制，具有较强的非线性映射能力和高度自学习、自适应能力，相比于传统的煤与瓦斯突出的预测方法以及浅层神经网络的预测方法，表达能力更强，映射效果更优，从而更能够提高突出强度预测本文档来自技高网...

【技术保护点】
1.一种基于深度学习的煤与瓦斯突出强度预测方法，其特征在于：包括如下步骤：/n步骤一：数据准备，选取煤与瓦斯突出的预测指标，定义训练数据，并对数据进行标准化处理；/n步骤二：特征提取，根据数据集定义网络或模型组成，将输入映射到目标，提取地质指标特征；/n步骤三：配置学习过程，选择损失函数、优化器和需要监控的指标，设置迭代次数；/n步骤四：训练模型，输入样本调用模型的fit方法在训练数据上进行迭代，对模型进行训练和优化；/n步骤五：验证模型，在验证集上对煤与瓦斯突出样本进行预测，并与实际结果进行对照，确定模型的预测精度。/n

【技术特征摘要】
1.一种基于深度学习的煤与瓦斯突出强度预测方法，其特征在于：包括如下步骤：
步骤一：数据准备，选取煤与瓦斯突出的预测指标，定义训练数据，并对数据进行标准化处理；
步骤二：特征提取，根据数据集定义网络或模型组成，将输入映射到目标，提取地质指标特征；
步骤三：配置学习过程，选择损失函数、优化器和需要监控的指标，设置迭代次数；
步骤四：训练模型，输入样本调用模型的fit方法在训练数据上进行迭代，对模型进行训练和优化；
步...

【专利技术属性】
技术研发人员：关金锋，周侃，司中应，邹福财，聂子淇，
申请(专利权)人：贵州工程应用技术学院，
类型：发明
国别省市：贵州;52