[发明专利]基于覆岩结构的近松散层开采导水裂隙带高度确定方法有效
申请号: | 202110165057.7 | 申请日: | 2021-02-06 |
公开(公告)号: | CN112948924B | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 陈陆望;王迎新;欧庆华;彭智宏;陈逸飞 | 申请(专利权)人: | 合肥工业大学 |
主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F30/27;G06N3/048;G06N3/08;G06F119/14 |
代理公司: | 合肥信诚兆佳知识产权代理事务所(特殊普通合伙) 34159 | 代理人: | 尉敏 |
地址: | 230009 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 结构 松散 开采 裂隙 高度 确定 方法 | ||
1.基于覆岩结构的近松散层开采导水裂隙带高度确定方法,其特征在于,所述方法包括:
步骤A:确定影响近松散层开采导水裂隙带高度的主控因素,所述主控因素包括:煤层采厚、煤层倾角、工作面斜长、开采深度、松散层厚度、覆岩结构;覆岩结构的获取过程为:根据收集的近松散层工作面顶板钻孔柱状图,依据三个岩性分类将近松散层工作面顶板覆岩分为多个区间,并分别记录每个区间的厚度,其中,岩性分类包括:以砂岩为代表的厚硬岩层,以泥岩为代表的厚软岩层,砂泥岩软硬夹层为代表的软硬夹层;
步骤B:获取样本矿区地质资料中的主控因素数据;
步骤C:根据主控因素数据生成训练样本,并使用训练样本训练预先构建的RBF神经网络,其中,所述根据主控因素数据生成训练样本,包括:将主控因素数据中的煤层采厚和煤层倾角划为第一组,工作面斜长和开采深度划为第二组,松散层厚度划分为第三组;将第一组与第二组分别作为第一向量行和第二向量行;将第三组补零后作为第三向量行;将覆岩结构的数据作为第四向量行;将第一向量行、第二向量行、第三向量行以及第四向量行按行排列后得到输入矩阵;将近松散层开采导水裂隙带实测高度作为输出矩阵的标签,得到样本;
步骤D:将待确定的近松散层工作面相关数据输入训练完成的RBF神经网络,获得导水裂隙带高度值,其中,径向基函数神经网络默认使用高斯函数作为激活函数,其默认宽度为1:其中,x为n维输入数据,ci为第i个径向基函数的中心,σi为第i个径向基函数的宽度,||x-ci||为向量的范数,表示x与ci之间的距离,p是隐含层神经元个数。
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合肥工业大学,未经合肥工业大学许可,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/202110165057.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种口罩机及无纺布处理装置
- 下一篇:一种基于知识图谱的农业信息服务系统