摘要
一种基于多模态数据的冲击地压预测大模型构建方法,通过收集不同模态的数据,构建多模态数据集;对多模态数据集进行预处理,构建模型训练的前兆模式序列;根据不同矿区的特点,将前兆模式序列转化为对应等级形式,划分对应的冲击地压危险等级标签;采用Transformer作为核心框架,处理等级划分后的前兆模式序列,最终实现对冲击地压等级发生概率的预测;利用综合指数法对开采信息数据、地质构造数据的危险程度进行独立评价,并结合冲击地压预测模块输出的危险概率结果,综合评估冲击地压的整体危险等级;本发明能够提高模型在不同矿区条件下的适用性与预测精度,实现对冲击地压风险的精准预测。
技术关键词
深度学习数据
模型构建方法
传感器系统
序列
波形
前馈神经网络
采空区
微震监测
因子
综合指数法
多头注意力机制
应力
编码器
模式
矿井
多模态数据采集
系统为您推荐了相关专利信息
虚拟站点
水位监测站
水位预测方法
空间关系特征
序列
脉宽调制信号
电压驱动电路
支路
静电保护二极管
驱动芯片