基于深度置信网络的构造煤分布预测模型研究

发布时间：2021-04-25 08:23

　　煤与瓦斯突出是煤矿煤炭生产过程中面临的主要动力灾害之一。研究表明,在发生过煤与瓦斯突出事故的矿井中,煤层均发育一定程度的构造煤,且构造煤厚度越大,瓦斯突出的危险性越严重。因此,如果能够准确预测出煤层中构造煤的分布,将对煤矿的安全管理和煤层气的开发与利用起到至关重要的作用。针对目前构造煤分布预测方法精度不高的问题,本文提出了利用深度置信网络对构造煤分布进行预测。首先,利用主成分分析技术对三维地震属性进行降维处理,在降低地震属性维数的同时,消除变量之间的相关性;然后,针对受限玻尔兹曼机只能接受二进制输入而导致数据丢失的问题,构建了包含一层连续受限玻尔兹曼机的深度置信网络预测模型,训练过程中利用BP神经网络有监督的对整个模型进行微调。同时,为了提高预测模型的准确性,采用了多层感知机结合softmax回归输出预测结果,有效的提升了预测模型的性能。最后,本文将预测模型应用到芦岭煤矿Ⅱ六采区8煤层,预测得到的采区构造煤分布与实际地质资料具有较高的一致性。将该优化模型与SVM模型及ELM模型进行对比试验,最终取得了更好的预测结果。因此,本文提出的预测模型预测精度较高,预测误差较小,可以推广应用于实际... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 选题背景和研究意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 本文的组织结构
2 深度学习理论基础
    2.1 神经网络模型
    2.2 深度学习模型
    2.3 激活函数及逻辑斯蒂回归
    2.4 模型预测精度指标
    2.5 本章小结
3 基于深度置信网络的构造煤分布预测模型
    3.1 模型数据预处理
    3.2 深度置信网络预测模型
    3.3 实验测试及结果
    3.4 本章小结
4 优化的MLP-DBN预测模型研究
    4.1 多层感知机
    4.2 连续受限玻尔兹曼机
    4.3 模型建立测试
    4.4 本章小结
5 深度置信网络预测构造煤分布实例研究
    5.1 研究区概况
    5.2 地震属性数据预处理
    5.3 构造煤分布预测
    5.4 本章小结
6 结论
    6.1 研究成果
    6.2 展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]基于改进多层感知机的手写数字识别[J]. 何平,刘紫燕.  通信技术. 2018(09)
[2]基于多层感知机的蛋白质变性温度预测[J]. 丁雪松,黄立群,张步忠,杨洋,吕强.  计算机应用研究. 2019(08)
[3]基于BP神经网络的轨道电路故障诊断[J]. 曹雲梦,边冰,张天奇.  华北理工大学学报(自然科学版). 2018(01)
[4]基于BP神经网络的心电信号智能诊断设计[J]. 陈茜,欧阳绳武,马新宇,谢泉.  现代电子技术. 2018(01)
[5]基于改进深度置信网络的大棚冬枣病虫害预测模型[J]. 张善文,张传雷,丁军.  农业工程学报. 2017(19)
[6]基于改进的深度信念网络的人脸表情识别[J]. 黄寿喜,邱卫根.  计算机工程与设计. 2017(06)
[7]城市物流效率分析自适应DBN算法研究[J]. 李楠.  计算机工程与应用. 2017(12)
[8]Gabor特征与深度信念网络结合的人脸识别方法[J]. 杨瑞,张云伟,苟爽,支艳利.  传感器与微系统. 2017(05)
[9]基于快速去噪和深度信念网络的高光谱图像分类方法[J]. 高鑫,欧阳宁,袁华.  桂林电子科技大学学报. 2016(06)
[10]采用局部二值模式与深度信念网络的人脸识别[J]. 吴进,严辉,王洁.  电讯技术. 2016(10)

博士论文
[1]构造煤结构演化及成因机制[D]. 李明.中国矿业大学 2013

硕士论文
[1]主成分分析法研究及其在特征提取中的应用[D]. 陈佩.陕西师范大学 2014
[2]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[3]BP神经网络的改进研究及应用[D]. 刘天舒.东北农业大学 2011



本文编号：3159052