-
公开(公告)号：CN118296386A
公开(公告)日：2024-07-05
申请号：CN202410561163.0
申请日：2024-05-08
Applicant: 中国矿业大学
IPC: G06F18/214 , G06F18/10 , G06F18/15 , G06F18/21 , G06F18/25
Abstract: 一种标签噪声鲁棒的微震到时智能拾取模型构建方法，通过设计新颖的LNRL训练架构模型，可以同时学习输入地震图像和输出标签的表示，从而捕获样本之间的特征表示分布关系。模型利用变分推断的常用方法来控制特征表示的分布，通过KL散度来优化特征表示分布和标签表示分布之间的关系。此外，LNRL还引入了随机傅里叶特征来在多个随机空间中对齐表示分布。本发明能够解决深度地下工程中微地震到达时刻拾取的标签噪声问题，克服现有微震数据中，来自工程师的人为标记误差和实际工程环境中恶劣条件下的设备噪声，为微震到达时间拾取提供了一个稳健的解决方案，对于地下工程和灾害监测等地球物理应用至关重要，并在未来的工作中具有更广泛的微震任务探索潜力。
-
公开(公告)号：CN117932371A
公开(公告)日：2024-04-26
申请号：CN202311449153.X
申请日：2023-11-02
Applicant: 中国矿业大学
IPC: G06F18/2321 , G06F18/214 , G06N3/0442 , G06F18/2415 , G06F18/25
Abstract: 本发明公开一种基于微震“时‑空‑强”的冲击地压全时空预测方法，包括微震时空特征指标模块、时间预测模块和空间预测模块，具体方法如下：S1采集原始微震数据；S2构建时间序列数据集M，并对该数据集进行处理后得到微震时空特征指标；S3在时间预测模块中，基于处理后的时间序列数据集M和微震时空特征指标生成新的时间数据集M'，并利用该数据集构造微震数据前兆模式序列，并利用该微震数据前兆模式序列采用LSTM和全连接网络构建冲击地压时间预测模型；S4在空间预测模块中，分别建立长短时间窗的危险区域空间云图，通过权重叠加，构建冲击危险区域云图，完成冲击地压空间预测方法的构建。本发明能够实现冲击地压时间‑空间协同的全时空预测。
-
公开(公告)号：CN116256803B
公开(公告)日：2024-01-19
申请号：CN202310225337.1
申请日：2023-03-09
Applicant: 中国矿业大学
Abstract: 微震定位的精度和可靠性，同时还可以减少设备一种融合开采信息与地质信息的煤矿微震 成本和维护成本。区域定位方法，台站安装在有微震风险的采煤工作面四周，台站将采集到的原始微震数据传至上位机，上位机对原始微震数据进行数据处理；构建微震波形数据集，对上述处理过的微震波形数据进行标记，确定每次微震的震源位置，然后将收集的数据集划分为训练集、验证集和测试集；根据微震波形的特征设计微震波形区域定位模型进行特征提取，在区域定位模型的最后添加全连接层，由全连接层的输出确定概率最大的前两
-
公开(公告)号：CN114757266B
公开(公告)日：2023-04-07
申请号：CN202210306659.4
申请日：2022-03-27
Applicant: 中国矿业大学
IPC: G06F18/241 , G06F18/25 , G06F18/2135 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084 , G01V1/28 , G06Q10/04 , G06Q50/02
Abstract: 本发明公开一种专家知识与数据融合驱动的冲击地压预测模型构建方法，包括以下步骤：矿震数据采集、矿震数据处理、显示特征和隐式特征提取以及构建预测模型，若有大能量矿震事件概率大于无大能量矿震事件概率，则输出1，反之输出0，从而实现冲击地压大能量事件的预测。本发明能够全面准确地预测冲击地压发生的概率。
-
公开(公告)号：CN114757266A
公开(公告)日：2022-07-15
申请号：CN202210306659.4
申请日：2022-03-27
Applicant: 中国矿业大学
Abstract: 本发明公开一种专家知识与数据融合驱动的冲击地压预测模型构建方法，包括以下步骤：矿震数据采集、矿震数据处理、显示特征和隐式特征提取以及构建预测模型，若有大能量矿震事件概率大于无大能量矿震事件概率，则输出1，反之输出0，从而实现冲击地压大能量事件的预测。本发明能够全面准确地预测冲击地压发生的概率。
-
Patent Agency Ranking
公开(公告)号：CN114176280A
公开(公告)日：2022-03-15
申请号：CN202111509250.4
申请日：2021-12-10
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于可见光的井下人员定位与应急通信装置及方法，包括智能矿用安全头盔、光电二极管定位模块和激光发射器；智能矿用安全头盔，其上安装有LED矿灯和电源，LED矿灯表面贴有透明偏振片；光电二极管定位模块包括光电检测器、信号放大器、MCU控制器、颜色传感器和贴有透明胶带的偏振薄膜。本方法通过光电检测器采集LED矿灯光线，并转化为电压值，从而得到光频信息，进而识别矿工身份；通过透明偏振片、透明胶带和偏振薄膜将LED矿灯发出的白色光线转化成彩色光线，颜色传感器将彩色光线转换成RGB值，通过RGB值得到LED矿灯的位置信息，进而得到矿工的位置，实现对矿工的定位。本发明定位精确，且成本低。
-
公开(公告)号：CN102856964B
公开(公告)日：2014-12-10
申请号：CN201210381720.8
申请日：2012-10-10
Applicant: 中国矿业大学
CPC classification number: Y02T10/7005 , Y02T10/7216 , Y02T10/7241
Abstract: 一种电动汽车三相无线充电系统及其充电方法，属于无线电能传输系统及方法。无线充电系统由原边供电装置、副边充电装置和数字控制单元构成，原边供电装置安装在地面下，数字控制单元的输出端与原边供电装置连接，副边充电装置安装在汽车上；原边供电装置中的磁能发射阵列式线圈上串联连接有线圈电流检测单元；线圈电流检测单元的输出端与数字控制单元的输入端连接。优点：设置原边磁能发射机构由矩阵阵列式线圈组成，在大范围内保证电动汽车可靠的充电；设置原边阵列式线圈绕向，避免了副边线圈拾取电压的零点；每个时刻只有与副边拾取线圈最接近的三个两两毗邻的原边线圈组成的供电小组供电，避免了其他线圈运行在空载模式，提高了整体系统的效率。
-
公开(公告)号：CN102856964A
公开(公告)日：2013-01-02
申请号：CN201210381720.8
申请日：2012-10-10
Applicant: 中国矿业大学
CPC classification number: Y02T10/7005 , Y02T10/7216 , Y02T10/7241
Abstract: 一种电动汽车三相无线充电系统及其充电方法，属于无线电能传输系统及方法。无线充电系统由原边供电装置、副边充电装置和数字控制单元构成，原边供电装置安装在地面下，数字控制单元的输出端与原边供电装置连接，副边充电装置安装在汽车上；原边供电装置中的磁能发射阵列式线圈上串联连接有线圈电流检测单元；线圈电流检测单元的输出端与数字控制单元的输入端连接。优点：设置原边磁能发射机构由矩阵阵列式线圈组成，在大范围内保证电动汽车可靠的充电；设置原边阵列式线圈绕向，避免了副边线圈拾取电压的零点；每个时刻只有与副边拾取线圈最接近的三个两两毗邻的原边线圈组成的供电小组供电，避免了其他线圈运行在空载模式，提高了整体系统的效率。
-
公开(公告)号：CN118070039A
公开(公告)日：2024-05-24
申请号：CN202410212959.5
申请日：2024-02-27
Applicant: 中国矿业大学
Abstract: 一种矿山微震智能处理基础模型及检测方法，包括初步特征提取模块、局部聚合模块、MSMC模块、MPT模块和解码器；初步特征提取模块包含多路径的深度可分离卷积和线性变换，用于对输入的原始微震波进行预处理，并将预处理后的微震波输入至局部聚合模块；局部聚合模块用于特征图的下采样，并将下采样的特征输入至一个或多个串联的MSMC模块；MSMC模块用于对下采样的特征进行特征提取得到更加高级和丰富的特征表示，然后将特征图输入至一个或多个串联的MPT模块中；MPT模块用于使深层特征利用注意力机制在全局尺度上进行融合，并将融合后的特征输入至解码器中；解码器用于对特征进行解码和输出。该模型及方法能有效提高微震波分析任务的效率和一致性，同时兼顾泛化能力。
-
公开(公告)号：CN115963548B
公开(公告)日：2024-01-23
申请号：CN202310065948.4
申请日：2023-01-16
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于反绎学习的矿井微震P波到时拾取模型构建方法，使用未标记的矿山微震数据集，进入地震深度神经网络模型训练，通过逻辑推理中的反绎学习结构，利用知识库中的专家知识，对模型进行更新，最终获得基于反绎学习的矿山微震P波到时拾取模型，利用最终结果模型对数据进行筛选，替换不符合知识库的台站数据，最终将选出的数据作为矿井微震P波到时拾取的数据，进一步提升模型对矿井微震相位拾取的正确率。本发明克服了现有地震识别模型不适用于矿井环境的缺点，解决了矿山微震波噪声大的问题，在有限的且未标记的数据集基础上，提升了模型准确度，鲁棒性强。(56)对比文件Dai wz et al.Bridging MachineLearning and Logical Reasoning byAbductive Learning.Advances in NeuralInformation Processing System.2019,第32卷1-12.Guo C et al.AEnet: automatic pickingof P-Wave first arrivals using deeplearning.IEEE TRANSACTIONS ON GEOSCIENCEAND REMOTE SENSING.2021,第59卷(第06期),5293-5303.
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.036 seconds)
