摘要
本发明公开了一种掘进巷道粉尘浓度预测方法及系统,包括获取掘进巷道掘进过程的实际粉尘数据、物理实验数据和仿真实验数据并基于单类支持向量机方案进行预处理以构建训练数据集;基于深度神经网络和梯度提升回归树方案构建掘进巷道粉尘浓度预测初始模型并训练得到掘进巷道粉尘浓度预测模型;采用得到的掘进巷道粉尘浓度预测模型进行实际的掘进巷道粉尘浓度的预测。本发明基于深度神经网络和梯度提升回归树方案构建掘进巷道粉尘浓度预测模型并进行训练,通过两个网络之间的交互和联合训练,不仅实现了掘进巷道粉尘浓度的预测,而且可靠性更高,精确性更好。
技术关键词
粉尘浓度预测方法
掘进巷道
单类支持向量机
预测残差
深度神经网络训练
支持向量机模型
模型训练模块
样本
数据处理模块
节点
ReLU函数
数据获取模块
掘进工作面
掘进机操作台
异常数据检测
异常数据点
系统为您推荐了相关专利信息
夹具
XGBoost模型
融合双目视觉
模糊PID控制器
光纤应变传感器
分布式电源出力
多智能体强化学习
交互方法
时间段
负荷
托辊故障
数据处理单元
数据采集单元
注意力模型
Kalman滤波器
诊断辅助系统
智能诊断辅助方法
边缘轮廓
组织
患者