公开(公告)号：CN117171691A

公开(公告)日：2023-12-05

申请号：CN202311216319.3

申请日：2023-09-20

Applicant: 辽宁工程技术大学

Inventor： 付华 ,  许桐 ,  邵靖宇

IPC: G06F18/2433 ,  G06F18/243 ,  G06F18/214 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明设计一种集成孤立树采样的瓦斯涌出量异常值数据检测方法，利用孤立树采样模型随机切割特征空间数据样本的特点，减少正常样本与异常值的判别误报，并基于集成学习的思想，将所有孤立树作为一个整体，通过统计每棵孤立树中正异常样本的切割次数，动态设定孤立树子采样模型切割次数的权重值，以提升瓦斯涌出量异常值的检测精度和分类效率，实现瓦斯涌出量异常值的实时判别，保障现代化煤矿井下工作的安全性和可靠性；能够对煤矿井下监测传感器收集得到的瓦斯涌出量数据快速有效地进行异常值检测，提高瓦斯涌出量数据集的质量，为研究人员分析归纳井下瓦斯灾害提供可靠的数据支撑。

公开(公告)号：CN117171689A

公开(公告)日：2023-12-05

申请号：CN202311214302.4

申请日：2023-09-20

Applicant: 辽宁工程技术大学

Inventor： 付华 ,  许桐 ,  邵靖宇

IPC: G06F18/2433 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  E21F17/00 ,  G06F123/02

Abstract: 本发明设计一种前后时序数据特征识别的瓦斯涌出量检测方法，涉及煤矿井下瓦斯灾害预防技术领域；建立前后时序数据特征检测模型，所述模型包括数据特征提取网络、数据特征学习网络以及权重决策网络；将瓦斯涌出量原始数据输入至前后时序数据特征检测模型，经过数据特征提取网络、数据特征学习网络以及权重决策网络，得到更小误差的瓦斯涌出量数据；更有效地对存在关联性的长短时序数据特征进行挖掘，提高检测模型的修正准确率，减少瓦斯涌出量原始数据中存在的误差值，为有效预防瓦斯突出灾害做好基础。