[发明专利]基于综合CNN-LSTM的岩爆状态预测方法有效
| 申请号： | 201910712725.6 | 申请日： | 2019-08-02 |
| 公开（公告）号： | CN110472729B | 公开（公告）日： | 2020-05-26 |
| 发明（设计）人： | 徐方远;刘宝举;刘慧敏;邓敏 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 长沙轩荣专利代理有限公司 43235 | 代理人： | 叶碧莲 |
| 地址： | 410000 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于综合CNN‑LSTM的岩爆状态预测方法，包括：根据岩爆状态变量时序数据，进行岩爆状态变量的相空间重构，得到相空间；将所述相空间输入卷积神经网络CNN，得到具有高维特征信息的时间序列；将所述时间序列输入深度学习LSTM模型，进行特征时间序列预测；将所述岩爆状态变量时序数据划分为训练集数据和测试集数据，利用所述训练集数据对CNN‑LSTM模型进行学习训练，提取所述相空间数据演化的时间特征，获得训练好的CNN‑LSTM模型。本发明的方法将CNN表现出的数据特征高表达能力与深度学习LSTM模型在连续性时序数据预测上的优势组合起来进行t+1时刻岩爆状态预测，以降低预测误差，提高预测精度。 | ||
| 搜索关键词： | 基于 综合 cnn lstm 状态 预测 方法 | ||
【主权项】：
1.一种基于综合CNN-LSTM的岩爆状态预测方法，其特征在于，包括：/n根据岩爆状态变量时序数据，进行岩爆状态变量的相空间重构，得到相空间；/n将所述相空间输入卷积神经网络CNN，得到具有高维特征信息的时间序列；/n将所述具有高维特征信息的时间序列输入深度学习LSTM模型，进行特征时间序列预测；/n将所述岩爆状态变量时序数据划分为训练集数据和测试集数据，利用所述训练集数据对CNN-LSTM模型进行学习训练，提取所述相空间数据演化的时间特征，获得训练好的CNN-LSTM模型；/n将所述测试集数据输入所述CNN-LSTM模型，得到预测结果；/n判断所述预测结果的准确性是否超过阈值；/n若所述预测结果的准确性超过阈值，则利用所述CNN-LSTM神经网络模型进行t+1时刻岩爆演化状态值的预测。/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中南大学，未经中南大学许可，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/201910712725.6/，转载请声明来源钻瓜专利网。
