-
公开(公告)号:CN119442900A
公开(公告)日:2025-02-14
申请号:CN202411566574.5
申请日:2024-11-05
Applicant: 河南大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/0985 , G06F119/14 , G06F119/12 , G06F111/04
Abstract: 本发明的实施例提供了基于机器学习的岩石破坏时间预测方法、装置和设备。所述方法包括构建卷积神经网络、双向长短期记忆神经网络和物理约束神经网络;获取岩石力学特性数据进行预处理,通过第一训练集对所述卷积神经网络、双向长短期记忆神经网络和物理约束神经网络进行训练,得到第一模型;将第一测试集输入第一模型,输出最优解结果的峰值应力,得到其对应的应变,生成第二训练集和第二测试集;通过第二训练集对第一模型进行训练,得到第二模型;将第二测试集输入第二模型,输出第二预测结果。通过在CNN的基础上加入BiLSTM,结合PINN,不仅能够从数据中学习模式,还能够遵循物理规律,提高模型的准确性和泛化能力。
-
公开(公告)号:CN119312694A
公开(公告)日:2025-01-14
申请号:CN202411566572.6
申请日:2024-11-05
Applicant: 河南大学
IPC: G06F30/27 , G06N20/00 , G06Q10/04 , G06Q10/0635 , G06Q50/02 , G06N3/0985 , G06N3/047 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明的实施例提供了煤矿开采中奥陶系含水层突水的预测方法和装置。所述方法包括获取奥陶系含水层的地质及水文数据,对地质及水文数据进行预处理,划分为训练集和测试集;构建XGBoost模型,定义超参数、超参数的搜索空间以及物理约束损失函数;对超参数搜索空间进行超参数调优,得到最优超参数组合;通过训练集对所述XGBoost模型进行训练,得到训练好的XGBoost模型;将待预测数据输入训练好的XGBoost模型,输出预测结果。以此方式,能够清晰地呈现预测过程,还能输出每个监测点发生突水的概率,并对其进行等级划分,从而提高了预测结果的可解释性和实用性。
-