【技术实现步骤摘要】
本专利技术属于地质雷达探测应用，涉及一种基于人工神经网络的煤岩层位快速校正方法，目的是实现煤岩层位测量厚度的快速校正，降低层位厚度的测量误差，提高煤岩层位测量精度。
技术介绍
1、地质雷达法是解决煤岩智能探测及识别问题的一个有效方法，它通过天线连续移动的方式向巷道顶板发射高频电磁波，电磁波信号在传播时遇到存在电性差异(如介电常数差异)的介质界面时，发生反射、透射和折射。界面两侧介质的介电常数差异越大，反射的电磁波能量也越大，反射的电磁波被与发射天线同步移动的接收天线接收后，通过雷达主机精确记录反射回的电磁波的双程走时等运动特征，获得煤岩介质的断面扫描雷达图像，通过对雷达图像进行处理和图像解译，达到识别煤岩层位的目的。
2、空气耦合式地质雷达雷达对煤岩探测的过程分为四步，首先采集雷达数据，其次对采集的原始数据进行预处理，之后利用层位追踪算法识别“空气-煤”界面和“煤-岩”界面，最后利用识别到的两个界面的位置信息进行空气层厚度和煤层厚度的计算。但由于煤矿环境复杂，电磁传播较为复杂，所以计算得到的空气层厚度和煤层厚度往往会存在较大的误差。常规方法是通过偏移方法校正层位位置，但是由于实际复杂条件的原因，其一般无法将层位校正到真实位置，且由于计算量较大，不满足煤岩探测的实时性和高效性的要求。
3、因此，本专利技术提出了一种基于人工神经网络的煤岩层位快速校正方法，最终可以实现煤岩层位测量厚度的快速校正，降低层位厚度的测量误差，提高煤岩层位测量精度。
技术实现思路
1、本
2、步骤s1：获取空气耦合地质雷达探测煤岩层位的原始数据，并对数据进行预处理；之后通过层位追踪算法，得到“空气-煤”界面曲线和“煤-岩”界面曲线；基于“空气-煤”界面曲线和“煤-岩”界面曲线分别计算空气层和煤层厚度，也即空气层厚度和煤层厚度的测量值。
3、步骤s2：对步骤s1中每一个空气层厚度和煤层厚度的测量值，用尺子进行实际测量，得到空气层厚度和煤层厚度的真实值。
4、步骤s3：基于空气层厚度的真实值与测量值构建空气层厚度快速校正数据集。包括：以“空气-煤”界面上某一点附近的一系列空气层厚度测量值作为数据集的输入，以此点空气层厚度的真实值作为数据集的输出。
5、步骤s4：基于空气层和煤层厚度的真实值及测量值构建煤层厚度快速校正数据集。包括：以“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值作为数据集的输入，以此点煤层厚度的真实值作为数据集的输出。
6、步骤s5：针对步骤3中的空气层厚度快速校正数据集，进行人工神经网络构建和训练，包括：首先，构建人工神经网络模型，其中人工神经网络模型包括1个输入层、1个输出层和至少8个隐藏层；然后，将所述空气层快速校正数据集按照一定比例划分为训练集、验证集和测试集，其中训练集占整个数据集的比例不低于70％且不能超过80％，验证集和测试集占整个数据集的比例均不能低于10％；最后训练所述人工神经网络，并保存训练后的人工神经网络。
7、步骤s6：针对步骤4中的煤层厚度快速校正数据集，进行人工神经网络构建和训练，包括：首先，构建人工神经网络模型，其中人工神经网络模型包括1个输入层、1个输出层和至少10个隐藏层；然后，将所述煤层快速校正数据集按照一定比例划分为训练集、验证集和测试集，其中训练集占整个数据集的比例不低于70％，验证集和测试集占整个数据集的比例均不能超过15％；最后训练所述人工神经网络，并保存训练后的人工神经网络。
8、步骤s7：利用步骤5中得到的训练后的人工神经网络模型进行空气层厚度的校正，包括：将“空气-煤”界面上待校正点附近的一系列空气层厚度测量值输入所述训练后的人工神经网络模型，以该网络模型的输出作为该点的空气层厚度的真实值。
9、步骤s8：利用步骤6中得到的训练后的人工神经网络模型进行煤层厚度的校正，包括：将“煤-岩”界面上待校正点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值输入所述训练后的人工神经网络模型，以该网络模型的输出作为该点的煤层厚度的真实值。
10、所述步骤s1中所述对数据进行预处理，包括背景去噪、一维滤波、增益和滑动平均等预处理方法。
11、所述步骤s1中所述基于“空气-煤”界面曲线和“煤-岩”界面曲线分别计算空气层和煤层厚度，包括：通过数据中的零线位置和“空气-煤”界面曲线的位置差计算空气层厚度；通过“空气-煤”界面曲线和“煤-岩”界面曲线的位置差计算煤层厚度。
12、所述步骤s1中的空气层厚度和煤层厚度的测量值与步骤s2所述空气层厚度和煤层厚度的真实值，每个空气层厚度的测量值与一个空气层厚度真实值相互对应，每个煤层厚度的测量值与一个煤层厚度真实值相互对应。
13、所述步骤s3中的附近的一系列空气层厚度测量值，是以所述“空气-煤”界面上某一点为中心点，取l个点上的空气层厚度测量值，l为奇数，l个点在地质雷达探测方向上占据的长度应不小于1m。
14、所述步骤s4中的“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值，包括：以所述“煤-岩”界面上某一点为中心点，取m个点上的煤层厚度测量值，m为奇数，m个点在地质雷达探测方向上占据的长度应不小于1m；以所述相应“空气-煤”界面上的点为中心点，取n个点上的煤层厚度测量值，n为奇数，n应不大于m。
15、有益效果：与现有奇数相比，本专利技术的有益效果是：
16、本专利技术主要通过人工神经网络学习校正空气层厚度和煤层厚度测量值，从而使得在地质雷达煤岩探测中，实现对空气层厚度和煤层厚度的快速校正，降低了煤层厚度的测量误差，提高煤岩层位测量效率。
本文档来自技高网...【技术保护点】
1.本专利技术专利提供了一种基于人工神经网络的煤岩层位快速校正方法，目的是实现煤岩层位测量厚度的快速校正，降低层位厚度的测量误差，提高煤岩层位测量精度。包括如下步骤：
2.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S1中所述基于“空气-煤”界面曲线和“煤-岩”界面曲线分别计算空气层和煤层厚度，包括：通过数据中的零线和“空气-煤”界面曲线的位置差计算空气层厚度；通过“空气-煤”界面曲线和“煤-岩”界面曲线的位置差计算煤层厚度。
3.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S3中所述基于空气层的真实值及测量值构建空气层厚度快速校正数据集，包括：以“空气-煤”界面上某一点附近的一系列空气层厚度测量值作为数据集的输入，以此点空气层厚度的真实值作为数据集的输出。
4.根据权利要求3所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述附近的一系列空气层厚度测量值，是以所述“空气-煤”界面上某一点为中心点，取L个点上的空气层厚度测量值，L为奇数，L个点在地质雷
5.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S4所述基于空气层和煤层厚度的真实值及测量值构建煤层厚度快速校正数据，包括：以“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值作为数据集的输入，以此点煤层厚度的真实值作为数据集的输出。
6.根据权利要求5所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值，包括：以所述“煤-岩”界面上某一点为中心点，取M个点上的煤层厚度测量值，M为奇数，M个点在地质雷达探测方向上占据的长度应不小于1m；以所述相应“空气-煤”界面上的点为中心点，取N个点上的煤层厚度测量值，N为奇数，N应不大于M。
7.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S5所述基于空气层厚度快速校正数据集，进行人工神经网络构建和训练，包括：首先，构建人工神经网络模型，其中人工神经网络模型包括1个输入层、1个输出层和至少8个隐藏层；然后，将所述空气层快速校正数据集按照一定比例划分为训练集、验证集和测试集，其中训练集占整个数据集的比例不低于70％且不能超过80％，验证集和测试集占整个数据集的比例均不能低于10％；最后训练所述人工神经网络，并保存训练后的人工神经网络。
8.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S6所述基于煤层厚度快速校正数据集，进行人工神经网络构建和训练，包括：首先，构建人工神经网络模型，其中人工神经网络模型包括1个输入层、1个输出层和至少10个隐藏层；然后，将所述煤层快速校正数据集按照一定比例划分为训练集、验证集和测试集，其中训练集占整个数据集的比例不低于70％，验证集和测试集占整个数据集的比例均不能超过15％；最后训练所述人工神经网络，并保存训练后的人工神经网络。
9.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S7中所述利用步骤S5中训练后的人工神经网络模型进行空气层厚度的校正，包括：将“空气-煤”界面上待校正点附近的一系列空气层厚度测量值输入所述训练后的人工神经网络模型，以所述训练后的网络模型的输出作为空气层厚度的真实值。
10.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤S8中所述利用步骤S6中训练后的人工神经网络模型进行煤层厚度的校正，包括：将“煤-岩”界面上待校正点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值输入所述训练后的人工神经网络模型，以所述训练后的网络模型的输出作为煤层厚度的真实值。
...【技术特征摘要】
1.本发明专利提供了一种基于人工神经网络的煤岩层位快速校正方法，目的是实现煤岩层位测量厚度的快速校正，降低层位厚度的测量误差，提高煤岩层位测量精度。包括如下步骤：
2.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤s1中所述基于“空气-煤”界面曲线和“煤-岩”界面曲线分别计算空气层和煤层厚度，包括：通过数据中的零线和“空气-煤”界面曲线的位置差计算空气层厚度；通过“空气-煤”界面曲线和“煤-岩”界面曲线的位置差计算煤层厚度。
3.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤s3中所述基于空气层的真实值及测量值构建空气层厚度快速校正数据集，包括：以“空气-煤”界面上某一点附近的一系列空气层厚度测量值作为数据集的输入，以此点空气层厚度的真实值作为数据集的输出。
4.根据权利要求3所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述附近的一系列空气层厚度测量值，是以所述“空气-煤”界面上某一点为中心点，取l个点上的空气层厚度测量值，l为奇数，l个点在地质雷达探测方向上占据的长度应不小于1m。
5.根据权利要求1所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述步骤s4所述基于空气层和煤层厚度的真实值及测量值构建煤层厚度快速校正数据，包括：以“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值作为数据集的输入，以此点煤层厚度的真实值作为数据集的输出。
6.根据权利要求5所述的一种基于人工神经网络的煤岩层位快速校正方法，其特征在于：所述“煤-岩”界面上某一点附近的一系列煤层厚度测量值，及在相应“空气-煤”界面上的点附近的一系列空气层厚度测量值，包括：以所述“煤-岩”界面上某一点为中心点，取m个点上的煤层厚度测量值，m为奇数，m个点在地质雷达探测方向上占据的长度应不小于1m；以所述相应“空气-煤”界面上的点...
【专利技术属性】
技术研发人员：朱鹏桥，许献磊，许艺炜，彭苏萍，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。