隨著我國煤礦開采深度的不斷增加,沖擊地壓、煤與瓦斯突出等動力災(zāi)害日益加劇,這些動力災(zāi)害與深度開采過程中上覆巖變形有密切的關(guān)系。在研究煤礦開采過程中科學(xué)問題時(shí)物理模擬實(shí)驗(yàn)是常用的科學(xué)研究方法之一,結(jié)合深度學(xué)習(xí)所具有的強(qiáng)大函數(shù)擬合能力,為探索覆巖變形規(guī)律提供了可能。本課題在此背景下,利用采動覆巖變形光纖監(jiān)測物理模擬實(shí)驗(yàn)產(chǎn)生的數(shù)據(jù),引入深度學(xué)習(xí)方法,重點(diǎn)研究了采動覆巖變形光纖監(jiān)測數(shù)據(jù)的預(yù)測方法。論文主要完成了以下工作。(1)針對采動覆巖物理模擬實(shí)驗(yàn)中光纖監(jiān)測數(shù)據(jù)的缺失值填補(bǔ)問題,采用了基于LSSVM的缺失數(shù)據(jù)填補(bǔ)方法。完成了離散缺失值、連續(xù)缺失值以及不同缺失比例三種類型填補(bǔ)實(shí)驗(yàn),并將LSSVM與反向傳播神經(jīng)網(wǎng)絡(luò)、三次樣條插值等缺失值填補(bǔ)方法進(jìn)行對比實(shí)驗(yàn)分析,結(jié)果顯示LSSVM插補(bǔ)方法優(yōu)于其他兩種方法。(2)使用物理模擬實(shí)驗(yàn)中的光纖監(jiān)測數(shù)據(jù),選取關(guān)鍵層監(jiān)測點(diǎn)所獲得的監(jiān)測數(shù)據(jù),建立SMOTE-FDT-LSTM的光纖監(jiān)測數(shù)據(jù)預(yù)測模型,該模型利用合成少數(shù)類過采樣技術(shù)對時(shí)間序列的監(jiān)測值樣本數(shù)據(jù)進(jìn)行擴(kuò)充,并對監(jiān)測數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn),提取差分平穩(wěn)特征作為輸入樣本的特征屬性,在此基礎(chǔ)上進(jìn)行了基于長短期記憶網(wǎng)...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1物理實(shí)驗(yàn)?zāi)Ｐ椭蟹植际焦饫w監(jiān)測布設(shè)圖

.2監(jiān)測數(shù)據(jù)缺失值填補(bǔ)方法11（3）小波重構(gòu)將使用閾值函數(shù)處理后小波系數(shù)進(jìn)行小波重構(gòu)，可得到經(jīng)小波閾值去噪后的監(jiān)測數(shù)據(jù)。2.2監(jiān)測數(shù)據(jù)缺失值填補(bǔ)算法本文缺失值填補(bǔ)所用的數(shù)據(jù)來自于課題組所做的二維相似模型物理模擬實(shí)驗(yàn)，物理模擬實(shí)驗(yàn)是采礦專業(yè)進(jìn)行科學(xué)研究的基本方法和手段。在實(shí)驗(yàn)過程中....

圖2.2Fv11某兩次開采光纖傳感器采集數(shù)據(jù)趨勢圖

.2監(jiān)測數(shù)據(jù)缺失值填補(bǔ)方法13的偏移。Fv12光纖監(jiān)測數(shù)據(jù)也有同樣的表現(xiàn)形式。圖2.2Fv11某兩次開采光纖傳感器采集數(shù)據(jù)趨勢圖SVM是有數(shù)學(xué)證明基礎(chǔ)的較新小樣本非線性回歸和分類的機(jī)器學(xué)習(xí)方法，LSSVM是SVM的擴(kuò)展，在保持較高非線性擬合度的基礎(chǔ)上降低了算法的計(jì)算復(fù)雜度[49]....

圖2.3LSSVM插補(bǔ)算法流程圖

.2監(jiān)測數(shù)據(jù)缺失值填補(bǔ)方法15圖2.3LSSVM插補(bǔ)算法流程圖（1）對數(shù)據(jù)進(jìn)行預(yù)處理。獲取到的監(jiān)測數(shù)據(jù)中存在著噪聲數(shù)據(jù)，首先使用小波變換的方法對數(shù)據(jù)集iC中每個(gè)監(jiān)測點(diǎn)的頻率數(shù)據(jù)進(jìn)行去噪，接著使用極值標(biāo)準(zhǔn)化法對其進(jìn)行標(biāo)準(zhǔn)化處理。（2）在iC數(shù)據(jù)集中隨機(jī)產(chǎn)生缺失數(shù)據(jù)。為了能夠驗(yàn)證學(xué)習(xí)....

圖2.4某兩次模擬實(shí)驗(yàn)光纖傳感器采集數(shù)據(jù)趨勢圖

.2監(jiān)測數(shù)據(jù)缺失值填補(bǔ)方法17Fv12-33。其中2，23，27，33分別表示第2次，23次，27次，33次模擬工作面開采。在這四個(gè)數(shù)據(jù)集上分別利用隨機(jī)函數(shù)人為構(gòu)造數(shù)據(jù)缺失情況，并保留原有的對應(yīng)監(jiān)測數(shù)據(jù)進(jìn)行插補(bǔ)效果驗(yàn)證。為了驗(yàn)證算法的有效性和泛化性，分別設(shè)計(jì)離散型缺失值、連續(xù)型缺....

本文編號：3994185