[发明专利]基于融合神经网络的导水裂缝带高度精确预测方法及系统在审
| 申请号： | 201910945031.7 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110705179A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 代松;韩勃;耿飞;甘高源;刘士亮;吕高航;黄国香 | 申请（专利权）人： | 山东大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/08 |
| 代理公司： | 37221 济南圣达知识产权代理有限公司 | 代理人： | 李圣梅 |
| 地址： | 250061 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于融合神经网络的导水裂缝带高度精确预测方法及系统，针对现有导高预测数学模型存在的缺陷，将神经网路技术与传统数学模型相融合，利用神经网络技术解决多元回归模型误差过大的问题，本申请的导高预测方法具体步骤可以分为6步，分别为收集实测数据、建立线性多元回归模型、建立神经网络学习样本、学习样本归一化处理、训练神经网络、导高高度计算，本融合预测模型将BP神经网络技术与多元回归理论相结合，兼备了神经网络的非线性映射能力和多元回归模型的经验，计算精度高。 | ||
| 搜索关键词： | 多元回归模型 神经网络 数学模型 融合 预测 非线性映射能力 神经网络技术 神经网络学习 训练神经网络 导水裂缝带 归一化处理 多元回归 高度计算 神经网路 实测数据 学习样本 预测模型 样本 申请 | ||
【主权项】：
1.基于融合神经网络的导水裂缝带高度精确预测方法，其特征是，包括：/n获取包含石炭-二叠系煤层、侏罗系煤层在内的典型地质条件矿区现场实测数据：包括煤层开采厚度、开采工作面宽度、煤层开采深度及导水裂缝带高度；/n线性多元回归模型：将煤层开采厚度、开采工作面宽度与煤层开采深度作为自变量，将导水裂缝带高度作为应变量，利用多元回归理论建立自变量与因变量之间的线性多元回归模型，利用该多元回归预测模型计算高度的预测值；/n神经网络学习样本建立：计算多元回归模型预测值与导高实测值之间的差值，将获取的实测数据、线性多元回归模型预计值与上述导高差值合并，建立神经网络的学习样本；/n神经网络训练：将训练集、验证集数据代入BP神经网络模型中，待训练结束后，将输出数据进行反归一化处理，便得到导高多元回归模型预测值与实测值的误差值；/n将上述误差值补偿给多元回归模型，便得到融合神经网络的实际的导高预测值。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东大学，未经山东大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910945031.7/，转载请声明来源钻瓜专利网。
