学校首页| 加入收藏
网站首页
学术成果

Computers &Geosciences发表陈同俊教授基于极限学习机和主成份分析的构造煤厚度定量预测成果

构造煤厚度与瓦斯突出动力灾害正相关。现有研究主要关注构造煤分布的定性预测,不能满足煤矿开采的安全需求。

本次,作者利用极限学习机(ELM)、主成份分析(PCA)和常规地震属性等技术和方法,结合阳泉矿务局新景矿某采区实际情况,提出了一种定量估计采区构造煤厚度分布的技术和方法。首先,通过建立楔形地质概论模型,正演模拟含构造煤地震剖面。提取煤层反射波地震属性的主成份,随机划分训练集和预测集,利用极限学习机进行训练和预测,发现极限学习机可以在信噪比较低时准确预测构造煤厚度。其次,以井旁道数据为输入,利用极限学习机预测实际采区构造煤厚度分布。发现当选取PCA1和PCA3为数据输入,Sigmoid函数为核函数时,极限学习机预测的采区构造煤厚度分布最接近实际情况。此时,隐含节点数为“10”,明显区别与正演模型数据的“20”。

由于极限学习机的权系数随机产生,可以避免了常规神经网络方法的过拟合问题,预测结果可靠性高。对于实际采区来说,输入属性、核函数和隐含节点数等参数可能差别较大,必须通过测试获得。

陈同俊教授为本文的通讯作者,共同作者为计算机学院的王新副教授、南昆士兰大学的李燕教授、计算机学院的阎秋燕副教授和陕西省煤田地质局的马丽高工。该研究主要受国家自然科学基金重点项目和面上项目资助。论文链接:http://www.sciencedirect.com/science/article/pii/S0098300417301206?via%3Dihub

图1 研究采区底板等高线图

图2 极限学习机结构示意图

  1. (a) (b)

图3 单个PCA属性优选(a)和多个PCA属性组合优选(b)

(a) (b)

(c) (d)

图4 PCA1属性(a),PCA3属性(b),预测构造煤厚度(c)和预测结果对比(d)

上一条:Int J Coal Geol发表陈同俊教授关于断层与地应力集中区相关半径定量估计的成果

下一条:J Geochem Explor发表王文峰教授和段飘飘博士关于煤中铀等有害元素的研究成果

    • 本科招生:0516-83590960、0516-83590999
    • 研究生招生:0516-83591012
    • 就业工作:0516-83590980

CUMT资源快讯