[发明专利]一种钻爆法施工隧道瓦斯危险等级预测方法和装置在审

专利信息
申请号: 201910164654.0 申请日: 2019-03-05
公开(公告)号: CN109934398A 公开(公告)日: 2019-06-25
发明(设计)人: 薛翊国;屈聪;邱道宏;李广坤;苏茂鑫;崔久华;王鹏 申请(专利权)人: 山东大学
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/06;G06Q50/08;G06N3/08;G06K9/62
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 杨晓冰
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:
搜索关键词: 瓦斯 影响指标 钻爆法施工 隧道 方法和装置 等级预测 主观权重 权重 数据库 等级标准 预测模型 预测区域 组合权重 贝叶斯 正则化 预测 分析
【权利要求书】:

1.一种钻爆法施工隧道瓦斯危险等级预测方法,其特征是,包括以下步骤:

选取多个钻爆法施工隧道瓦斯浓度的影响指标;

建立瓦斯危险等级标准、各影响指标的数据库以及隧道瓦斯浓度的数据库;

采用分析法和熵权法计算各影响指标的主观权重和客观权重,将各影响指标的主观权重和客观权重进行组合赋权,得到各影响指标的组合权重;

建立基于贝叶斯正则化的BP神经网络预测模型,预测待预测区域的瓦斯危险等级。

2.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述钻爆法施工隧道瓦斯浓度影响指标包括地质构造、地应力、煤层厚度、隧道埋深、煤体破坏程度、水文地质条件、瓦斯含量、瓦斯压力、瓦斯放散初速度、开挖断面积、通风量和爆破震动量。

3.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述瓦斯危险等级标准、各影响指标的数据库以及隧道瓦斯浓度的数据库的建立方法为:

获取在钻爆法施工过程中所有影响指标的大量现场实测数据,建立各影响指标的数据库;

获取在钻爆法施工过程中隧道重点部位瓦斯浓度数据,建立隧道瓦斯浓度数据库;

根据隧道瓦斯浓度数据库中数据,对隧道瓦斯危险等级进行分级,建立隧道瓦斯危险等级标准。

4.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述采用分析法计算各影响指标的主观权重的步骤包括:

建立层次结构模型;

构造层次结构模型中各层次的成对比较阵;

利用成对比较阵计算各影响指标的主观权重。

5.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述采用熵权法计算各影响指标的客观权重的步骤包括:

从各影响指标的数据库中选取出大量实测数据,并对其进行归一化处理;

计算各影响指标的信息熵;

根据各影响指标的信息熵,计算各影响指标的客观权重。

6.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述将各影响指标的主观权重和客观权重进行组合赋权的步骤包括:

依据最小信息熵的原理,建立优化问题为:

式中,w'j为第j个影响指标的组合权重;Wj为第j个影响指标的主观权重;Vj为第j个影响指标的客观权重;

采用拉格朗日乘子法求解上述优化问题中各影响指标的组合权重,有:

式中,w'j为第j个影响指标的组合权重。

7.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述基于贝叶斯正则化的BP神经网络预测模型的建立方法为:

从各影响指标的数据库中选取各影响指标的实测数据,从隧道瓦斯浓度数据库中选取隧道瓦斯浓度数据,构建学习样本集;

利用学习样本集建立基于贝叶斯正则化的BP神经网络预测模型,所述基于贝叶斯正则化的BP神经网络预测模型包括输入层、隐含层、若干个隐含层神经元和至少两个输出神经元。

8.根据权利要求1所述的钻爆法施工隧道瓦斯危险等级预测方法,其特征是,所述预测待预测区域内瓦斯危险等级的步骤包括:

选取组合权重最大的多项影响指标作为基于贝叶斯正则化的BP神经网络预测模型的输入量,瓦斯危险等级作为其输出量,进行多次训练,达到期望误差后结束训练,得到最优的基于贝叶斯正则化的BP神经网络预测模型;

获取待预测区域内组合权重最大的多项影响指标参数值,作为输入值输入至最优的基于贝叶斯正则化的BP神经网络预测模型进行预测,得到待预测区域的瓦斯危险等级。

9.一种计算机可读存储介质,其中存储有多条指令,其特征是,所述指令适于由终端设备的处理器加载并执行如权利要求1至8中任一项所述的一种钻爆法施工隧道瓦斯危险等级预测方法。

10.一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征是,所述指令适于由处理器加载并执行如权利要求1至8中任一项所述的一种钻爆法施工隧道瓦斯危险等级预测方法。

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/pat/books/201910164654.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top