| 专利号 | 2019108771503 | 申请日 | 2019-09-17 | 专利名称 | 基于机器学习的深部采空区CSAMT电性特征增强与分类方法 |
| 授权日 | 2022-04-12 | 专利权人 | 山东科技大学 | 发明人 | 林年添;张凯;张冲;田高鹏;杨久强;汤健健;王晓东;聂西坤;支鹏遥;宋翠玉;丁仁伟;金志玮 |
| 主分类号 | G06K9/62 | 关键词 | 应用领域 | ||
| 摘要 | 本发明公开了一种基于机器学习的深部采空区CSAMT电性特征增强与分类方法，其包括步骤：I.针对反演后的CSAMT电阻率异常特征，初始化能够去除浅部异常与增强深部采空区特征的卷积核；II.利用步骤I得到的卷积核进行卷积计算，以提取浅部异常信息和深部采空区电性异常信息；III.对步骤II获得的浅部卷积电阻率特征与深部采空区卷积电阻率特征进行计算，获得能量误差，若能量误差不满足精度要求，则返回步骤I修改初始化卷积核参数；若能量误差满足误差要求，则去除浅部异常干扰，增强深部采空区电性特征；IV.对步骤III获得的CSAMT电性特征进行基于核函数的模糊聚类分析；V.根据聚类结果，对采空区、巷道等地质特征进行识别与归类，并对采空区的基本情况进行预测。 | ||||
| 创新点 | |||||
| 技术分类 | 标 签 | 战兴产业 | 新一代信息技术 人工智能 | ||
| 运营方式 | 合作方式 | ||||
| 联系人 | 联系电话 | 电子邮箱 | |||
| 详细说明 | |||||
