一种基于机器学习的煤巷复合顶板稳定性智能辨识方法技术

本发明专利技术公开了一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，包括如下步骤：S1、获取样本数据集，所述样本数据集包括巷道综合锚杆支护质量、顶板岩层倾角、巷道围岩应力、顶板强度、煤层埋深及顶板稳定性分类标签；S2、使用巷道综合锚杆支护质量、顶板岩层倾角、巷道围岩应力、顶板强度、煤层埋深及顶板稳定性分类标签训练神经网络模型，得到训练好的顶板稳定性预测模型。本发明专利技术首次建立了基于巷道综合锚杆支护质量、顶板岩层倾角、巷道围岩应力、顶板强度、煤层埋深等参数的顶板稳定性预测模型；且可以基于现场传感器传回的实时数据，完成对顶板稳定性的实时预测，预测精度较高，降低预测复杂度。

【技术实现步骤摘要】

本专利技术属于煤矿智能安全开采，具体涉及一种基于机器学习的煤巷复合顶板稳定性智能辨识方法。

技术介绍

1、复合顶板是指由多个复合岩层构成的顶板结构，这些岩层具有不同的物理和力学特性。这种顶板结构常见于沉积岩地层，如页岩、砂岩等。顶板不稳定可能导致顶板坍塌或岩层滑动，直接危害施工人员的生命安全。这种灾害可能导致矿井事故，影响施工进度，施工人员需要进行额外的支护和加固，导致工程时间延长。这不仅增加了工程成本，还可能导致项目进度的延误，严重影响矿井的正常生产和运营，降低生产效率。岩体的变形和坍塌会影响矿体的开采和运输，降低矿井的产量和经济效益。

2、实时监测顶板的稳定性能够提供即时的预警反馈，使煤矿作业能够快速识别和应对潜在的安全风险。通过持续监控，可以及时发现顶板变形、裂缝等问题，从而预防灾难性事故的发生，优化维护和加固措施，提高整体安全性和生产效率。同时，监测数据的积累有助于识别长期趋势和模式，支持更精准的预测和决策。

3、机器学习在解决煤矿顶板稳定性等分类问题上具有显著的优越性，因为其能够识别出潜在的顶板稳定性问题。机器学习模型能够本文档来自技高网...

【技术保护点】

1.一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：步骤S1获取样本数据集的具体过程如下：

3.根据权利要求1或2所述的一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：步骤S2获取样本数据集的具体过程如下：将所述样本数据集划分为比例为14：3：3的训练数据集、验证集和测试集，确定适当的网络架构，定义网络层数、每层神经元个数和激活函数，选择适当的损失函数和优化算法，对训练集进行多次迭代，在每个训练轮次中进行前向传播、计算损失、反向传播，在...

【技术特征摘要】

1.一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：步骤s1获取样本数据集的具体过程如下：

3.根据权利要求1或2所述的一种基于机器学习的煤巷复合顶板稳定性智能辨识方法，其特征在于：步骤s2获取样本数据集的具体过程如下：将所述样本数据集划分为比例为14：3：3的训练数据集、验证集和测试集，确定适当的网络架构，定义网络层数、每层神经元个数和激活函数，选择适当的损失函数和优化算法，对训练集进行多次迭代，在每个训练轮次中进行前向传播、计算损失...

【专利技术属性】
技术研发人员：樊克松，张灿，刘少伟，华伟，刘禹灏，支光辉，罗亚飞，付孟雄，贺德印，严鳌，张耀宇，冯梦茵，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：