摘要
本发明提供了一种基于域泛化小样本学习的工作面矿压预测方法及其模型构建方法,属于信号处理技术领域;构建小样本数据集,设计了一种高效的特征提取网络对预处理后的矿压数据进行特征提取;基于特征提取网络,设计了针对不同域的生成器和鉴别器的生成对抗网络模型。同时,在对源域数据和目标域数据的域泛化问题处理中,利用生成器指导性的编码功能,构建了一个有长短期记忆网络编码模块、引导注意力加权模块和软注意力加权模块的注意力加权矿压预测网络,以进一步解决小样本前提下无法捕获训练数据中的特征依赖关系的问题。本发明不仅能够提高预测的鲁棒性,还为煤矿工作面矿压显现的复杂性提供新的解决方案,确保煤矿安全生产的连续性和可靠性。
技术关键词
工作面矿压
预测模型构建方法
注意力
特征提取网络
长短期记忆网络
位置编码单元
数据
样本
编码模块
煤矿工作面
生成特征
小波阈值去噪方法
算术平均值
生成对抗网络模型
变换器
解码网络
噪声系数
系统为您推荐了相关专利信息
迁移学习模型
多模态特征
多模态深度学习
西药
网络特征
网络安全实体
CRF模型
网络安全知识图谱
标签
识别方法
封装用键合丝
卷积神经网络模型
性能分析方法
光学检测模块
条件随机场
样品管
封盖装置
Canny算子
主特征提取
双向边缘
参数优化模型
自动控制方法
深度学习模型
控制策略
分布式传感网络