公开(公告)号：CN116541757A

公开(公告)日：2023-08-04

申请号：CN202310458943.8

申请日：2023-04-26

Applicant: 安徽理工大学

Inventor： 王磊 ,  李世保

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/045 ,  G06N3/08 ,  G06F30/27

Abstract: 本发明属于煤矿安全开采技术领域内的一种基于AFSA‑MLP神经网络模型的综放开采导水裂隙带高度预测方法，包括采集导水裂隙带高度影响因素数据和实测数据，标准化处理后分类得到训练集数据和测试集数据，根据分类后数据初始化MLP神经网络模型的权重矩阵和偏置量矩阵，采用AFSA算法优化MLP神经网络模型得到最优权重矩阵和最优偏置量矩阵以得出AFSA‑MLP神经网络模型，将测试集数据代入AFSA‑MLP神经网络模型中得到输出值，再进行反标准化处理得到预测值并进行精度判断；本发明在综合分析综放开采覆岩导水裂隙带高度影响因素，并采用AFSA智能算法优化MLP的权重和偏置量弥补MLP神经网络在误差反传过程中的缺陷，构建基于AFSA‑MLP的导水裂隙带高度预测模型进一步提高了预测精度。

公开(公告)号：CN114660598A

公开(公告)日：2022-06-24

申请号：CN202210115680.6

申请日：2022-02-07

Applicant: 安徽理工大学

Inventor： 王磊 ,  李世保 ,  张鲜妮

IPC: G01S13/90

Abstract: 本发明涉及一种融合InSAR和CNN‑AFSA‑SVM的开采沉陷盆地自动检测方法，包括以下步骤：获取Sentinel‑1A雷达卫星影像，通过差分雷达干涉测量方法处理所述Sentinel‑1A雷达卫星影像得到InSAR干涉图，在所述InSAR干涉图中选取沉陷盆地作为样本数据集；建立CNN‑AFSA‑SVM模型，使用所述样本数据集对所述CNN‑AFSA‑SVM模型进行训练和分类测试，得到训练后的CNN‑AFSA‑SVM模型；将待测区域的Sentinel‑1A雷达卫星影像通过差分雷达干涉测量方法处理得到目标InSAR干涉图，将所述目标InSAR干涉图输入所述训练后的CNN‑AFSA‑SVM模型并采用非极大值抑制法去除重复搜索框，最终自动输出开采沉陷盆地检测结果图。本发明通过构建CNN‑AFSA‑SVM模型有效地在大幅宽InSAR干涉图中自动检测出开采沉陷盆地，提高了开采沉陷盆地检测的精度和自动化程度。