發(fā)布時間：2024-06-14 05:04

　　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害日益加劇,這些動力災害與深度開采過程中上覆巖變形有密切的關系。在研究煤礦開采過程中科學問題時物理模擬實驗是常用的科學研究方法之一,結合深度學習所具有的強大函數(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)測物理模擬實驗產生的數(shù)據(jù),引入深度學習方法,重點研究了采動覆巖變形光纖監(jiān)測數(shù)據(jù)的預測方法。論文主要完成了以下工作。(1)針對采動覆巖物理模擬實驗中光纖監(jiān)測數(shù)據(jù)的缺失值填補問題,采用了基于LSSVM的缺失數(shù)據(jù)填補方法。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實驗,并將LSSVM與反向傳播神經(jīng)網(wǎng)絡、三次樣條插值等缺失值填補方法進行對比實驗分析,結果顯示LSSVM插補方法優(yōu)于其他兩種方法。(2)使用物理模擬實驗中的光纖監(jiān)測數(shù)據(jù),選取關鍵層監(jiān)測點所獲得的監(jiān)測數(shù)據(jù),建立SMOTE-FDT-LSTM的光纖監(jiān)測數(shù)據(jù)預測模型,該模型利用合成少數(shù)類過采樣技術對時間序列的監(jiān)測值樣本數(shù)據(jù)進行擴充,并對監(jiān)測數(shù)據(jù)進行平穩(wěn)性檢驗,提取差分平穩(wěn)特征作為輸入樣本的特征屬性,在此基礎上進行了基于長短期記憶網(wǎng)...

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【部分圖文】：

圖2.1物理實驗模型中分布式光纖監(jiān)測布設圖

.2監(jiān)測數(shù)據(jù)缺失值填補方法11（3）小波重構將使用閾值函數(shù)處理后小波系數(shù)進行小波重構，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)缺失值填補算法本文缺失值填補所用的數(shù)據(jù)來自于課題組所做的二維相似模型物理模擬實驗，物理模擬實驗是采礦專業(yè)進行科學研究的基本方法和手段。在實驗過程中....

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)學證明基礎的較新小樣本非線性回歸和分類的機器學習方法，LSSVM是SVM的擴展，在保持較高非線性擬合度的基礎上降低了算法的計算復雜度[49]....

圖2.3LSSVM插補算法流程圖

.2監(jiān)測數(shù)據(jù)缺失值填補方法15圖2.3LSSVM插補算法流程圖（1）對數(shù)據(jù)進行預處理。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中每個監(jiān)測點的頻率數(shù)據(jù)進行去噪，接著使用極值標準化法對其進行標準化處理。（2）在iC數(shù)據(jù)集中隨機產生缺失數(shù)據(jù)。為了能夠驗證學習....

圖2.4某兩次模擬實驗光纖傳感器采集數(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。在這四個數(shù)據(jù)集上分別利用隨機函數(shù)人為構造數(shù)據(jù)缺失情況，并保留原有的對應監(jiān)測數(shù)據(jù)進行插補效果驗證。為了驗證算法的有效性和泛化性，分別設計離散型缺失值、連續(xù)型缺....

本文編號：3994185