[发明专利]基于一维卷积神经网络的冲击地压发生情况可视化与分级预警方法

权利要求书

1.一种基于卷积神经网络的冲击地压发生情况可视化与分级预警方法,其特征在于，包括如下步骤：

步骤S1，建立卷积神经网络模型；

步骤S2，通过卷积神经网络模型预测某时刻冲击地压发生概率；

步骤S3，通过图像函数可视化预测结果，设定阈值，实现冲击地压发生分级预测。

2.根据权利要求1所述的基于卷积神经网络的冲击地压发生情况可视化与分级预警方法,其特征在于，所述步骤S1建立卷积神经网络模型的方法包括如下步骤：

步骤S11，采集建立卷积神经网络网络模型所需样本数据；

所述样本数据包括：一段时间内矿井某深层位置冲击地压能量大小和发生情况标签；

步骤S12，对采集到的能量数据进行标准化处理；

步骤S13，使用随机采样方法从步骤S12中提出训练集，验证集；

所述随机采样方法包括：将步骤S12中经过标准化处理后的数据集等分为Z份，每次训练时，从Z份数据集中随机抽取Z-1份作为训练集，1份作为验证集；

步骤S14，使用步骤S13生成的训练数据集训练卷积神经网络，使用步骤S13生成的验证对卷积神经网络训练效果进行验证，并调整参数。

3.根据权利要求2所述的基于卷积神经网络的冲击地压发生情况可视化与分级预警方法,其特征在于，所述步骤S2中通过卷积神经网络模型预测某时刻冲击地压发生概率的方法包括如下步骤；

步骤S21：调整网络参数，提升模型效果；

所述调整网络参数，提升模型效果方法包括：调整神经网络中卷积核个数，网络中隐藏层层数，学习率，最大训练批次；

步骤S22：将总体数据集输入到训练好的卷积神经网络中，生成冲击地压发生概率预测。

4.根据权利要求3所述的基于卷积神经网络的冲击地压发生情况可视化与分级预警方法,其特征在于，所述通过图像函数可视化预测结果，设定阈值，实现冲击地压发生分级预测的方法包括：

步骤S31：使用绘图函数将步骤S2的网络输出以图像化显示；

所述绘图函数参数包括，作为横坐标参数的时间序列；作为纵坐标的冲击地压发生概率预测；

步骤S32：根据预测数据设置阈值，得到冲击地压分级预警；

所述根据预测数据设置阈值，得到冲击地压分级预警；

针对网络模型所预测的冲击地压发生概率，设定阈值函数，将预测概率输入阈值函数，最终得到冲击地压分级预警结果；

其中，所述分级阈值函数为：

其中，所述分级阈值函数参数包括，R所指为分级预警结果，包括DBCA四个等级，x为步骤S2由卷积神经网络预测的冲击地压发生概率。