基于循环神经网络的煤体结构分类预测

发布时间：2021-04-20 15:46

　　煤体结构即地质历史演变阶段煤层受到不同地质作用所呈现结构特征,通过变形与变质作用下,煤体随之分成原生结构煤与构造煤。目前很多学者通过宏观法、显微法观察构造煤分类,宏观法主要通过人眼现场以及手标本观察,宏观法分为OM显微镜观察与SEM显微镜下图像分析,方法费时费力,精度不高。在这种背景下,本文提出了基于循环神经网络的模型预测煤体结构分类。首先,通过LDA方法对三维地震属性数据降维,最大程度减小不同变量间相关性;其次,针对传统循环神经网络容易出现梯度消失的问题,论文提出了两种改进的循环神经网络结构:LSTM和GRU。根据三维地震属性数据的高维度特性进行优化,构建了高维循环神经网络。同时,对LSTM作为控制单元的高维循环神经网络模型进行调整。为了保证预测模型的精度,论文使用Softmax函数输出分类结果。最后,论文把改进的高维循环神经网络预测模型应用于芦岭煤矿Ⅱ六采区8煤层,预测结果显示与真实的地质资料具有良好的一致性。同时,该模型与LR、SVM和深度神经网络三种模型进行了对比试验,进一步显示预测模型的可靠性。因此,论文提出的高维循环神经网络模型预测精度高、误差低,能够满足真实矿区煤体结构分... 

【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】：72 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 选题背景的研究意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 本文组织结构
2 循环神经网络理论基础
    2.1 神经网络模型
    2.2 循环神经网络
    2.3 模型预测精度指标
    2.4 本章小结
3 基于循环神经网络的煤体结构分类预测模型
    3.1 循环神经网络及其改进模型
    3.2 模型数据预处理
    3.3 循环神经网络预测模型建立
    3.4 实验预测及结果
    3.5 本章小结
4 优化的MDRNN预测模型研究
    4.1 高维循环神经网络
    4.2 高维长短时记忆网络
    4.3 模型建立测试
    4.4 本章小结
5 优化的MDRNN预测煤体结构分类预测模型实例研究
    5.1 研究区概况
    5.2 地震属性数据预处理
    5.3 煤体结构分类预测结果分析
    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]基于长短时记忆单元和卷积神经网络混合神经网络模型的视频着色方法[J]. 张政,何山,贺靖淇.  计算机应用. 2019(09)
[2]构造煤瓦斯解吸特征及对煤与瓦斯突出的影响[J]. 金兵.  煤矿安全. 2019(04)
[3]测井曲线识别构造煤实例研究[J]. 马国栋,陈同俊,崔若飞.  地球物理学进展. 2017(03)
[4]我国煤矿转型发展期内煤矿事故统计分析[J]. 赵云平,施龙青,高卫富,王颖,刘玉.  煤炭技术. 2016(09)
[5]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英.  中文信息学报. 2015(05)
[6]不同煤体结构煤的吸附性能及其孔隙结构特征[J]. 孟召平,刘珊珊,王保玉,田永东,武杰.  煤炭学报. 2015(08)
[7]基于词向量特征的循环神经网络语言模型[J]. 张剑,屈丹,李真.  模式识别与人工智能. 2015(04)
[8]深部含瓦斯煤体渗透率演化及卸荷增透理论模型[J]. 程远平,刘洪永,郭品坤,潘荣锟,王亮.  煤炭学报. 2014(08)
[9]沁南地区煤体结构对煤层气开发的影响[J]. 胡奇,王生维,张晨,何俊铧,刘建华,张晓飞.  煤炭科学技术. 2014(08)
[10]基于低温液氮实验的不同煤体结构煤的孔隙特征及其对瓦斯突出影响[J]. 降文萍,宋孝忠,钟玲文.  煤炭学报. 2011(04)

硕士论文
[1]构造煤应力承载过程瓦斯渗透性变化规律实验研究[D]. 李红涛.河南理工大学 2015



本文编号：3149963