【技术实现步骤摘要】
本专利技术属于矿井防治水，涉及一种基于人工智能的矿井时移电阻率监测数据反演结果智能化筛选的方法。
技术介绍
1、矿井时移电阻率监测是煤矿地质透明化和水害隐患监测预警的科学有效的技术手段。时移电阻率监测属于连续性电法监测，每天会得到多组监测结果，然而采煤工作面在回采过程中，顶底板的破坏和导水通道的发育是动态发展且缓慢变化的过程，每天不同时段的监测结果高度相似；同时受采掘扰动影响，监测数据不可避免的含有噪声干扰，因此需要从每天的监测数据中科学的选取一组质量可靠的数据。当前矿井时移电阻率监测数据都是以电阻率云图形式进行展示，主要依靠人工经验进行数据筛选，智能化程度不足。
技术实现思路
1、针对现有技术的缺陷或不足，本专利技术提供了一种矿井时移电阻率监测数据筛选方法，所述矿井时移电阻率监测数据包括对同一矿井区域的m次监测获得的数据，m≥2；其中第m次监测进行若干次数据采集，m＝1,2,3,…,m；每次数据采集获得空间坐标(x,y,z)下的电阻率值。
2、本专利技术所提供的矿井时移电阻率监测数据筛选方法包括：
3、步骤1，提取第m次监测数据中不同x空间位置上的电阻率值，并对相同x空间坐标位置上的电阻率值进行归一化，对于其中任意x＝xn空间坐标位置上所有电阻率值进行归一化后获得x＝xn空间坐标位置对应的归一化电阻率序列rscale，n；n＝1,2,3,…,n，n≥2，且xn与xn+1的x方向空间位置相邻；得到第m次监测数据对应的n个归一化电阻率序列；m＝1,2,3,…,
4、步骤2，对第m次监测数据对应的n个归一化电阻率序列分别进行可视化，获得相应图集imgm＝{img1,img2,img3,…imgn,…,imgn}，imgn为x＝xn空间坐标位置对应的电阻率平面等值线图；n＝1,2,3,…,n；m＝1,2,3,…,m；
5、步骤3，利用图像分类网络模型分别获取图集imgm中各电阻率平面等值线图的高维特征向量；求取in与in+1的余弦相似度，in与in+1分别为电阻率平面等值线图imgn和imgn+1的高维特征向量，n＝1,2,3,…,n-1；将n-1个余弦相似度求和得到第m次监测数据对应的结构相似性sm；m＝1,2,3,…,m；
6、步骤4，利用transformer神经网络提取图集imgm的多维特征向量fm；m＝1,2,3,…,m；
7、步骤5，对m个多维特征向量进行筛选，包括：
8、步骤5.1，根据结构相似性大小选取多维特征向量，选取其中多个结构相似性大的相应次监测对应的多维特征向量；
9、步骤5.2，利用k均值聚类(kmeans)算法将选取的多个多维特征向量分成两类；求取每一类中各多维特征向量对应的结构相似性的累加和，得到各类的结构相似性之和；
10、步骤5.3，选取满足筛选条件的类别执行步骤5.5，否则执行步骤5.4；所述筛选条件为两类中多维特征向量个数最多、且结构相似性之和最大的作为筛选对象；
11、步骤5.4，去掉上一次参与k均值聚类(kmeans)算法所分类的多个多维特征向量中相应结构相似性最小的多维特征向量，对剩余多维特征向量依次执行执行步骤5.2和5.3，直至根据步骤5.3筛选条件选取到多维特征向量个数最多、且结构相似性之和最大的类别执行步骤5.5；
12、步骤5.5，对于根据步骤5.3选取到类别，计算该类别内各多维特征向量与类中心向量之间的欧式距离；选取欧式距离最小的多维特征向量对应次监测数据为筛选的数据。
13、可选的方案是，m次监测的采样空间坐标点相同或相同。
14、可选的方案是，步骤1所述对相同x空间坐标位置上的电阻率值进行归一化包括：对多个电阻率值先进行均值方差归一化，之后对均值方差归一化值进行最值归一化；x＝xn空间坐标位置对应的所有最值归一化值构成x＝xn空间坐标位置对应的归一化电阻率序列rscale，n。
15、可选的方案是，步骤2所述对第m次监测数据对应的n个归一化电阻率序列分别进行可视化包括：对任意x＝xn空间坐标位置对应的归一化电阻率序列rscale，n依次进行灰值化、插值处理、扩边调整图像尺寸和彩色化。
16、可选的方案是，所述图像分类网络模型为利用imagenet数据集训练后的resnet10网络。进一步，所述resnet10网络包括依次连接的二维卷积层conv layer、最大池化层maxpoo、基础残差模块、残差模块和线性层fc，其中残差模块和线性层fc通过拉平操作连接。
17、可选的方案是，所述高维特征向量为1024维特征向量。
18、可选的方案是，所述transformer神经网络包括依次连接的两层三维卷积层conv3d layer、batchnorm层、非线性激活函数relu、flattening操作、第一线性层linearlayer、yz-transformer编码器、x-transformer编码器和第二线性层linear layer。
19、可选的方案是，所述多维特征向量为128维特征向量。
20、可选的方案是，所述步骤5.1包括：对m个结构相似性进行从大到小排列，取前0.6～0.8m个结构相似性大的相应次监测对应的多维特征向量。
21、本专利技术还提供了相关存储介质，其上存储有让算机程序/指令，其特征在于，该让算机程序/指令被处理器执行时实现上述方法的步骤。
22、本专利技术同时提供了相关软件产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述方法的步骤。
23、本专利技术解决了现有技术主要依靠人工经验进行数据筛选，智能化程度不足，效率不高的问题。本专利技术所采用的技术方案是，时移电阻率监测数据包含空间三维坐标信息、时间信息以及电阻率值等5个维度的属性，属于高维离散数据，会出现：数据样本稀疏、计算复杂度增加、可视化困难等维数灾难。为了克服维数灾难，本专利技术首先对高维数据进行降维，获取数据本质特征，去除数据冗余，实现特征提取；然后在降维后的特征空间进行特征选择；最后利用谱聚类方法在特征空间对监测数据进行筛选。本专利技术可借助软件技术实现，如python语言编程等。
本文档来自技高网...【技术保护点】
1.一种矿井时移电阻率监测数据筛选方法，所述矿井时移电阻率监测数据包括对同一矿井区域的M次监测获得的数据，M≥2；其中第m次监测进行若干次数据采集，m＝1,2,3,…,M；每次数据采集获得空间坐标(x,y,z)下的电阻率值；其特征在于，方法包括：
2.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，M次监测的采样空间坐标点相同或不同。
3.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，步骤1所述对相同x空间坐标位置上的电阻率值进行归一化包括：对多个电阻率值先进行均值方差归一化，之后对均值方差归一化值进行最值归一化；x＝xn空间坐标位置对应的所有最值归一化值构成x＝xn空间坐标位置对应的归一化电阻率序列Rscale，n。
4.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，步骤2所述对第m次监测数据对应的N个归一化电阻率序列分别进行可视化包括：对任意x＝xn空间坐标位置对应的归一化电阻率序列Rscale，n依次进行灰值化、插值处理、扩边调整图像尺寸和彩色化。
5.根据权利要求1所述的矿
6.根据权利要求5所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述ResNet10网络包括依次连接的二维卷积层conv Layer、最大池化层Maxpoo、基础残差模块、残差模块和线性层FC，其中残差模块和线性层FC通过拉平操作连接。
7.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述高维特征向量为1024维特征向量。
8.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述Transformer神经网络包括依次连接的两层三维卷积层conv3D Layer、BatchNorm层、非线性激活函数ReLU、Flattening操作、第一线性层Linear Layer、YZ-Transformer编码器、X-Transformer编码器和第二线性层Linear Layer。
9.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述多维特征向量为128维特征向量。
10.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述步骤5.1包括：对M个结构相似性进行从大到小排列，取前0.6～0.8M个结构相似性大的相应次监测对应的多维特征向量。
11.一种存储介质，其特征在于，其上存储有让算机程序/指令，其特征在于，该让算机程序/指令被处理器执行时实现权利要求1～10任一权利要求所述方法的步骤。
12.一种软件产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1～10任一权利要求所述方法的步骤。
...【技术特征摘要】
1.一种矿井时移电阻率监测数据筛选方法，所述矿井时移电阻率监测数据包括对同一矿井区域的m次监测获得的数据，m≥2；其中第m次监测进行若干次数据采集，m＝1,2,3,…,m；每次数据采集获得空间坐标(x,y,z)下的电阻率值；其特征在于，方法包括：
2.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，m次监测的采样空间坐标点相同或不同。
3.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，步骤1所述对相同x空间坐标位置上的电阻率值进行归一化包括：对多个电阻率值先进行均值方差归一化，之后对均值方差归一化值进行最值归一化；x＝xn空间坐标位置对应的所有最值归一化值构成x＝xn空间坐标位置对应的归一化电阻率序列rscale，n。
4.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，步骤2所述对第m次监测数据对应的n个归一化电阻率序列分别进行可视化包括：对任意x＝xn空间坐标位置对应的归一化电阻率序列rscale，n依次进行灰值化、插值处理、扩边调整图像尺寸和彩色化。
5.根据权利要求1所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述图像分类网络模型为利用imagenet数据集训练后的resnet10网络。
6.根据权利要求5所述的矿井时移电阻率监测数据筛选方法，其特征在于，所述resnet10网络包括依次连接的二维卷积层conv ...
【专利技术属性】
技术研发人员：刘尧，程建远，鲁晶津，刘再斌，王云宏，王盼，李宇腾，袁博，
申请(专利权)人：中煤科工西安研究院集团有限公司，
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。