-
作者
韩晓冰余思淼梁冰洋周远国
-
单位
西安科技大学通信与信息工程学院
-
摘要
提出了一种基于DNN的矿井超前探测算法，该算法可以快速准确地实现一维复杂地质的重建。首先，利用层状介质并矢Green函数方法获得不同地质模型的数值解；随后，依据数据样本搭建网络框架，网络的输入主要由电场分量构成，输出为相应的地质模型电导率参数，通过对神经网络进行训练，得到网络的最优系数；最后，为了提升网络的抗噪声性能，采用不同噪声的数据对网络进行训练。结果表明：利用DNN算法在精度和效率上都比BP神经网络有所提升，相同模型下速度比BP神经网络速度快10～13倍。网络模型可以在20%噪声下，准确反演出低阻层。DNN算法，可以有效提高矿井超前探测效率。
-
关键词
超前探测DNNGreen函数矿井信息化
-
基金项目(Foundation)
陕西省科技厅基金项目（2020GY-029）；陕西省科技厅基金项目（2021JQ-573）；陕西省教育厅一般专项科学研究计划（20JK0759）；
-
文章目录
0 引言
1 正演理论分析
2 深度神经网络反演
2.1 神经网络构建
2.2 数据生成
3 煤矿超前探测反演
3.1 4层地电模型
3.2 7层地电模型
3.3 噪声干扰下的反演结果对比
4 结语
-
引用格式
韩晓冰,余思淼,梁冰洋,周远国.基于DNN的矿井超前探测反演方法研究[J].煤炭技术,2023,42(03):117-121.DOI:10.13301/j.cnki.ct.2023.03.022.
-
相关文章
煤炭技术 
2023年第03期 
