[发明专利]基于深度学习的工作面周期来压的预警方法、装置及设备

权利要求书

1.一种基于深度学习的工作面周期来压的预警方法，其特征在于，包括：

基于历史支架压力数据训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准；

实时获取工作面中各个支架的压力数据；

将所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，获取得到工作面周期来压预测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于历史支架压力数据训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准，具体包括：

根据历史支架压力数据确定各个割煤循环，以及各个所述割煤循环内各个支架的压力数据；

通过对所述压力数据进行拟合，确定各个所述支架在所述割煤循环内的目标拟合函数；

对同一割煤循环内的目标拟合函数进行均化处理，获取得到各个所述割煤循环对应的均化循环函数；

利用所述均化循环函数训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准。

3.根据权利要求2所述的方法，其特征在于，所述通过对所述压力数据进行拟合，确定各个所述支架在所述割煤循环内的目标拟合函数，具体包括：

基于所述压力数据分别计算各个所述支架对应的拟合函数；

将拟合优度最高的拟合函数确定为所述支架对应的目标拟合函数。

4.根据权利要求3所述的方法，其特征在于，所述对同一割煤循环内的目标拟合函数进行均化处理，获取得到各个所述割煤循环对应的均化循环函数，具体包括：

按照预设公式对处于同一割煤循环内的目标拟合函数进行均化处理，计算得到各个所述割煤循环对应的均化循环函数。

5.根据权利要求4所述的方法，其特征在于，所述利用所述均化循环函数训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准，具体包括：

按照割煤顺序将各个所述割煤循环的均化循环函数上传至周期来压预测模型中，以便基于所述均化循环函数的预设评价指标，循环训练所述来压预测模型输出下一割煤循环的均化循环末阻力值；

将所述均化循环末阻力值与预先标定的循环末阻力值进行对比，计算误差率；

若判定所述误差率小于预设误差阈值，则判定所述周期来压预测模型符合预设训练标准；

若判定所述所述误差率大于或等于所述预设误差阈值，则利用所述割煤循环的均化循环函数重复训练所述周期来压预测模型，以使所述周期来压预测模型符合预设训练标准。

6.根据权利要求5所述的方法，其特征在于，所述将所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，获取得到工作面周期来压预测结果，具体包括：

将实时采集的所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，以便在所述周期来压预测模型中，根据所述压力数据确定当前割煤循环的目标均化循环函数，并根据所述目标均化循环函数输出预测均化循环末阻力值；

基于所述预测均化循环末阻力值确定未来预设时间段内的工作面周期来压预测结果。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

根据所述工作面周期来压预测结果输出预警信息。

8.一种基于深度学习的工作面周期来压的预警装置，其特征在于，包括：

训练模块，用于基于历史支架压力数据训练周期来压预测模型，以使所述周期来压预测模型符合预设训练标准；

获取模块，用于实时获取工作面中各个支架的压力数据；

输入模块，用于将所述压力数据输入至符合所述预设训练标准的周期来压预测模型中，获取得到工作面周期来压预测结果。

9.一种非易失性可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的基于深度学习的工作面周期来压的预警方法。

10.一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的基于深度学习的工作面周期来压的预警方法。