-
全部
主办单位：煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
王安义周孝铭
西安科技大学通信与信息工程学院
针对现有场强预测模型建模过程复杂、计算复杂度高、预测精度低等问题，提出了一种基于改进卷积神经网络（CNN）的矿井巷道场强预测模型。通过分析矿井大尺度衰落信道电磁波传输影响因素，以天线工作频率、巷道截面尺寸、巷道壁粗糙度、巷道壁倾斜度、巷道壁相对介电常数、收发端距离等作为模型输入，将电磁波传播路径损耗作为模型输出，从而预测巷道场强变化；改进CNN在每个卷积层后加入批量归一化层来代替原有的池化层，以避免池化层下采样导致的数据特征丢失，让每一层卷积输出保持相似分布，提高网络泛化能力，加快网络收敛。仿真结果表明，与基于CNN、BP神经网络、支持向量机的场强预测模型相比，该模型预测值与实际值吻合度较高，具有较强的鲁棒性，有效提高了矿井巷道场强预测精度。
矿井无线通信矿井巷道场强预测电磁波路径损耗卷积神经网络
主办单位：煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会
工矿自动化 
2021年第10期 
