基于深度学习的采动地裂缝成因分析和预测

• 作者: 吕义清 贾杨
• 来源期刊: 太原理工大学学报
• 关键词: 地裂缝 裂缝发育 预测 神经网络 深度学习 特征选择 官地煤矿
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 土木工程·矿业工程
• 页码范围: 411-417
• 页数: 7页
• 分类号: P694
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2020.03.013

摘要

基于深度学习,提出了一种分析采动地裂缝成因及预测地裂缝发育程度的方法.通过分析官地煤矿的井田地质测量资料和实地调查,确定了11类影响地裂缝发育的因素;依据地裂缝面积与采空区面积的比值,将地裂缝发育程度分为4类.利用深度学习的方法,构建了全连接深度神经网络模型(DNN)对裂缝发育程度进行预测;以预测准确率为指标,通过6次特征选择对影响因素的重要性进行了分析.特征选择的结果表明:开采层数、开采总厚度、开采宽度、开采深度、砂泥岩比、开采长度是影响地裂缝发育的主要特征,地质构造和地表出露是次要特征,煤层倾角、地形坡度、相对位置是冗余特征.与卷积神经网络(CNN)及循环神经网络(RNN/LSTM)模型的训练结果相比,DNN模型预测准确率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕义清	太原理工大学矿业工程学院	47	104	6.0	7.0
2	贾杨	太原理工大学矿业工程学院	1	0	0.0	0.0