基于改进克里金插值的含煤地层煤层厚度预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于改进克里金插值的含煤地层煤层厚度预测方法及装置，该方法包括以下步骤：首先，获取目标区域含煤地层的地质钻孔数据，然后，通过异常数据剔除和正态分布检验进行数据预处理；接着，根据克里金插值公式计算变异函数；其次通过SVM支持向量机对变异函数进行拟合；随后，采用PSO粒子群算法对SVM支持向量机进行参数寻优；最后，利用改进克里金差值方法预测煤层厚度。本发明专利技术公开的煤层厚度预测方法，选用克里金插值法进行初步预测，充分考虑数据点之间的关系；同时，采用SVM支持向量机进行变异函数的拟合，有效地解决实际工程中数据量较小的问题；此外，采用PSO粒子群优化方法，进行参数寻优，有效提高了拟合过程中的精度。程中的精度。程中的精度。

【技术实现步骤摘要】
基于改进克里金插值的含煤地层煤层厚度预测方法及装置


[0001]本专利技术涉及含煤地层空间插值领域，具体涉及一种基于改进克里金插值的含煤地层煤层厚度预测方法及装置。

技术介绍

[0002]目前，我国煤炭行业正迈向智能开采的新阶段。智能矿山以智能矿山为核心，整合大数据应用为支撑，构建绿色、安全、高效的新型矿山。然而，地质条件的不确定性制约了智能矿山的精确开采。因此，建立高精度的含煤地层地质模型是实现矿山智能化建设的必要条件。煤层厚度变化是煤矿中最常见的地质现象。如果其预测误差较大，会影响煤矿的开采，降低工作效率。因此，反映煤层厚度变化已成为含煤地层地质模型的主要目标之一。
[0003]空间插值是得到煤层厚度变换的主要手段。通过离散采样点数据得到属性值与空间分布之间的函数，利用该函数对所采用的所有点数据进行最优逼近，然后计算出分布区域内任意点的相关属性值。目前常用的空间插值算法有反向距离权法(IDW)、径向基函数法和kriging(克里金)插值法。传统的kriging插值是通过拟合现有的变异函数来构造空间插值模型。在理论变异函数模型的选择上，存在着较强的人类主观性，这导致了克里金插值的构建精度有待提高。作为煤矿领域较为常用的理论模型，球面模型本身需要更多的钻井数据作为训练数据。在实际工程中，当采煤工作面钻孔数据量较小时，球形模型的拟合程度较差。

技术实现思路

[0004]本专利技术目的在于提供一种基于改进克里金插值的含煤地层煤层厚度预测方法及装置，旨在针对实际工程应用中小数据的情况，降低传统变异函数拟合时人为主观性的影响，提高变异函数的拟合程度，从而提高含煤地层煤层厚度拟合精度。
[0005]根据本专利技术的一个方面，本专利技术提供了一种基于改进克里金插值的含煤地层煤层厚度预测方法：
[0006]S1：获取目标区域含煤地层的地质钻孔数据；
[0007]S2：对所述地质钻孔数据进行预处理；
[0008]S3：根据预处理后的样本数据计算变异函数；
[0009]S4：采用SVM支持向量机算法对变异函数进行拟合；
[0010]S5：采用PSO粒子群算法对SVM支持向量机算法中的参数进行寻优，优化其参数选择；
[0011]S6：基于步骤S4和S5得到改进的克里金插值方法，通过改进后的克里金插值方法预测目标区域含煤地层的煤层厚度。
[0012]优选地，步骤S1中，从目标区域地质钻孔数据中选取含煤地层的数据点，通过地质钻孔的坐标点以及地质钻孔探测的煤层厚度得到样本点，其格式为(x,y,z)，其中(x,y)为地质钻孔坐标，z为该地质钻孔探测的煤层厚度值。
[0013]优选地，步骤S2中，所述预处理包括：
[0014]对地质钻孔数据采用三倍标准差的方法剔除异常值，即将数值大于或小于其平均值正负三倍标准差的数据视为异常值剔除；
[0015]对剔除异常值的样本数据进行正态分布检验，若其不符合正态分布，则对样本数据进行变换，包括指数变换、对数变换和开平方变换，得到预处理后的样本数据。
[0016]优选地，步骤S3中，变异函数计算公式如下：
[0017][0018]其中γ
*
(h)为变异函数，N
h
为用h分隔的所有点对个数，h表示分距离，Z(x
i
)表示位置x
i
处的煤层厚度值，Z(x
i
+h)表示位置x
i
+h处的煤层厚度值。
[0019]优选地，步骤S4中，采用SVM支持向量机拟合变异函数，具体步骤如下：
[0020]SVM支持向量机利用最优超平面的决策边界建立回归模型，x
i
为第i个样本，y
i
为第i个样本输出，φ(x
i
)表示x
i
映射到高维特征空间后的特征向量，得到相应的最优超平面公式如下：
[0021]f(x
i
)＝ω
T
φ(x
i
)+b
[0022]其中，ω是法向量，b是位移项；
[0023]SVM支持向量机训练过程的实质是寻找最优的ω和b，使f(x
i
)接近y
i
，得到凸优化函数如下：
[0024][0025]其中，c是惩罚因子，和ξ
i
是松弛因子；
[0026]凸优化函数对应的约束条件如下：
[0027][0028]其中，ε是f(x
i
)与y
i
的偏差，m为样本数量；
[0029]引入拉格朗日乘子a
i
和求解该约束条件下的凸优化函数，得到SVM支持向量机模型中的参数ω和回归模型函数f(x)如下：
[0030][0031][0032]其中，K(x,x
i
)为核函数，x表示样本输入集，x
i
为第i个样本输入，其能提高SVM支持向量机解决非线性回归问题的能力，g表示核函数K(x,x
i
)的核参数。
[0033]优选地，步骤S5中，采用PSO粒子群算法优化惩罚因子c和核参数g，具体步骤如下：
[0034]在速度区间和搜索空间中随机初始化粒子的速度和位置，并设定最大迭代次数，目标函数自变量个数，粒子最大速度与粒子群规模；
[0035]构建适应度函数形式如下：
[0036][0037]其中，w
i
为权重，其计算公式如下：
[0038][0039]其中，γ
*
(h
i
)为实际变异函数值，γ(h
i
)为预测变异函数值，h表示分距离，h
i
表示第i个分离距离，N(h)表示分离距离h下的点对总数目；
[0040]根据适应度函数，评估每个粒子的函数适应值，更新每个粒子的历史最优位置，再更新群体的全局最优位置，从而不断优化惩罚因子c和核参数g；
[0041]判断是否达到结束条件，若满足条件，则算法终止，若不满足，则继续迭代。
[0042]优选地，步骤S6中，根据改进后的克里金插值方法预测目标区含煤地层的煤层厚度值，克里金插值公式如下：
[0043][0044]其中，Z
*
(x)是插值点x的煤层厚度值，Z(x
i
)是相邻点x
i
的煤层厚度值，λ
i
是x
i
的权重系数，n为样本数量。
[0045]根据本专利技术的第二方面，本专利技术提供了一种基于改进克里金插值的含煤地层煤层厚度预测装置，包括以下模块：
[0046]获取模块，用于获取目标区域含煤地层的地质钻孔数据；
[0047]预处理模块，用于对所述地质钻孔数据进行预处理；
[0048]计算模块，用于根据预处理后的样本数据计算变异函数；
[0049]拟合模块，用于采用SVM支持向量机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进克里金插值的含煤地层煤层厚度预测方法，其特征在于：包括以下步骤：S1：获取目标区域含煤地层的地质钻孔数据；S2：对所述地质钻孔数据进行预处理；S3：根据预处理后的样本数据计算变异函数；S4：采用SVM支持向量机算法对变异函数进行拟合；S5：采用PSO粒子群算法对SVM支持向量机算法中的参数进行寻优，优化其参数选择；S6：基于步骤S4和S5得到改进后的克里金插值方法，通过改进后的克里金插值方法预测目标区域含煤地层的煤层厚度。2.根据权利要求1所述的基于改进克里金插值的含煤地层煤层厚度预测方法，其特征在于：步骤S1中，从目标区域的地质钻孔数据中选取含煤地层的数据点，通过地质钻孔的坐标点以及地质钻孔探测的煤层厚度得到样本点，其格式为(x,y,z)，其中(x,y)为地质钻孔坐标，z为该地质钻孔探测的煤层厚度值。3.根据权利要求1所述的基于改进克里金插值的含煤地层煤层厚度预测方法，其特征在于：步骤S2中，所述预处理包括：对地质钻孔数据采用三倍标准差的方法剔除异常值，即将数值大于或小于其平均值正负三倍标准差的数据视为异常值剔除；对剔除异常值的样本数据进行正态分布检验，若其不符合正态分布，则对样本数据进行变换，包括指数变换、对数变换和开平方变换，得到预处理后的样本数据。4.根据权利要求1所述的基于改进克里金插值的含煤地层煤层厚度预测方法，其特征在于：步骤S3中，变异函数的计算公式如下：其中，γ
*
(h)为变异函数，N
h
为用h分隔的所有点对个数，h表示分距离，Z(x
i
)表示位置x
i
处的煤层厚度值，Z(x
i
+h)表示位置x
i
+h处的煤层厚度值。5.根据权利要求1所述的基于改进克里金插值的含煤地层煤层厚度预测方法，其特征在于：步骤S4中，采用SVM支持向量机拟合变异函数，具体步骤如下：SVM支持向量机利用最优超平面的决策边界建立回归模型，x
i
为第i个样本，y
i
为第i个样本输出，φ(x
i
)表示x
i
映射到高维特征空间后的特征向量，得到相应的最优超平面公式如下所示：f(x
i
)＝ω
T
φ(x
i
)+b其中，ω是法向量，b是位移项；SVM支持向量机训练过程的实质是寻找最优的ω和b，使f(x
i
)接近y
i
，得到凸优化函数如下：其中，c是惩罚因子，和ξ
i...

【专利技术属性】
技术研发人员：陈略峰，马鸣笛，吴敏，陆承达，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：