公开(公告)号：CN117031543B

公开(公告)日：2025-03-25

申请号：CN202310781668.3

申请日：2023-06-28

Applicant: 中国矿业大学

Inventor： 赵胜磊 ,  王金鑫 ,  王恩元 ,  杨惠涵 ,  李宛桐

IPC: G01V1/30 ,  G01V1/28

Abstract: 本申请涉及一种基于深度置信网络的煤矿井下微震信号时序特征预测方法。该方法包括：采用煤矿微震监测系统采集井下工作面微震原始信号，获得历史数据样本集划分为训练集与测试集；构建基于深度置信网络的微震信号时序特征预测模型；将训练集输入所述微震信号时序特征预测模型的可见层单元，采用对比散度算法和反向传播算法优化所述微震信号时序特征预测模型的网络参数，得到训练好的基于深度置信网络的微震信号时序特征预测模型；将所述微震信号时序特征输入到训练好的基于深度置信网络的微震信号时序特征预测模型，预测出未来预设时间段内的微震信号时序特征预测结果，提高了煤矿井下微震信号时序特征回归预测的准确性。

公开(公告)号：CN116792151A

公开(公告)日：2023-09-22

申请号：CN202310291189.3

申请日：2023-03-23

Applicant: 中国矿业大学

Inventor： 夏方方 ,  王恩元 ,  卢祁彪 ,  邱雨萁 ,  李宛桐 ,  赵胜磊 ,  王金鑫

IPC: E21F17/18 ,  G06Q10/04 ,  G06Q10/0635 ,  G06F18/00 ,  G06F18/10 ,  G06N3/126 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/049 ,  G06N3/048 ,  G06N3/084 ,  G06Q50/02 ,  G06F123/02

Abstract: 本发明公开了一种基于深度学习的煤与瓦斯突出智能超前预警方法，属于煤岩动力灾害监测预警领域。首先采集突出矿井声电瓦斯监测数据，然后采用变分模态分解和指数加权滑动平均法对声电瓦斯信号进行预处理，之后建立基于循环神经网络的声电瓦斯信号预测模型，并提取声电瓦斯信号历史无故障数据和预测数据的时域特征和频域特征，最后基于蚁群聚类算法进行模式识别以判断是否存在突出危险。本发明可实现煤与瓦斯突出的智能超前预警，保证预警及时性，减少因预警不及时带来的灾害损失。

公开(公告)号：CN117786597A

公开(公告)日：2024-03-29

申请号：CN202311841522.X

申请日：2023-12-28

Applicant: 中国矿业大学

Inventor： 杨惠涵 ,  王恩元 ,  刘贞堂 ,  李宛桐 ,  夏方方 ,  王金鑫

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/094 ,  G06Q50/02

Abstract: 本发明公开了小样本条件下煤矿冲击地压数据增强及深度融合预警方法，利用生成对抗网络将小样本煤矿冲击地压数据扩充成大数据量样本，用以解决冲击地压监测预警领域事故样本远小于正常样本、无法满足深度学习过程中缺乏大量事故样本的问题；再根据特征量构建混合深度神经网络模型，利用LSTM提取时间序列的特征，利用注意力机制对不同特征赋予权重，从而解决样本间不同特征存在不平衡的问题，进一步增强了冲击地压预警的准确性。

公开(公告)号：CN117031543A

公开(公告)日：2023-11-10

申请号：CN202310781668.3

申请日：2023-06-28

Applicant: 中国矿业大学

Inventor： 赵胜磊 ,  王金鑫 ,  王恩元 ,  杨惠涵 ,  李宛桐

IPC: G01V1/30 ,  G01V1/28

Abstract: 本申请涉及一种基于深度置信网络的煤矿井下微震信号时序特征预测方法。该方法包括：采用煤矿微震监测系统采集井下工作面微震原始信号，获得历史数据样本集划分为训练集与测试集；构建基于深度置信网络的微震信号时序特征预测模型；将训练集输入所述微震信号时序特征预测模型的可见层单元，采用对比散度算法和反向传播算法优化所述微震信号时序特征预测模型的网络参数，得到训练好的基于深度置信网络的微震信号时序特征预测模型；将所述微震信号时序特征输入到训练好的基于深度置信网络的微震信号时序特征预测模型，预测出未来预设时间段内的微震信号时序特征预测结果，提高了煤矿井下微震信号时序特征回归预测的准确性。