检索结果-维普期刊中文期刊服务平台

采煤机截割部低照度图像的边缘检测技术被引量：1: 1; 作者贾澎涛靳路伟 +2 位作者王斌郭风景李娜《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第4期172-178,共7页; 针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pa... 展开更多; 关键词低照度图像分数阶微分边缘检测采煤机截割部煤矿; 在线阅读下载PDF 职称材料

基于多特征融合的煤自燃温度深度预测模型被引量：6: 2; 作者王斌贾澎涛 +2 位作者郭风景孙刘咏林开义《中国矿业》北大核心 2024年第2期84-90,共7页; 为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转... 展开更多; 关键词煤自燃深度学习卷积神经网络预测差分进化算法; 在线阅读下载PDF 职称材料

基于PSO-SRU深度神经网络的煤自燃温度预测模型被引量：9: 3; 作者贾澎涛林开义郭风景《工矿自动化》北大核心 2022年第4期105-113,共9页; 针对传统煤自燃温度预测模型泛化能力不强、鲁棒性较差的问题,提出了一种基于改进粒子群(PSO)优化简单循环单元(SRU)的煤自燃温度预测模型(PSO-SRU模型)。首先,对煤自燃程序升温实验中采集的气体浓度数据进行预处理,选取与煤温相关性较... 展开更多; 关键词煤自燃温度预测气体指标深度神经网络循环神经网络 SRU单元粒子群算法; 在线阅读下载PDF 职称材料

沿空掘巷煤柱合理宽度及薄喷密闭技术研究被引量：2: 4; 作者李慧石昆《中国矿业》 2023年第11期144-151,共8页; 针对综放开采煤柱护巷效果不佳、围岩变形量大、采空区侧瓦斯溢出等问题,以建新煤矿4209工作面回风巷为工程背景,根据极限平衡理论计算出煤柱的合理宽度为7.8~9.0 m,并利用FLAC3D软件探究不同煤柱宽度下的巷道围岩塑性区发育规律、应力... 展开更多; 关键词综放开采沿空掘巷煤柱宽度围岩控制薄喷密闭技术; 在线阅读下载PDF 职称材料

基于连采施工工艺巷道掘进空顶距研究被引量：11: 5; 作者惠兴田刘伟 +2 位作者郭风景胡宝岭刘平《煤炭工程》北大核心 2013年第2期69-71,共3页; 以锚索技术为依托提出了一种巷道掘进空顶距研究方法———锚索防护空顶监测技术,其原理是利用深部锚索的大面积空顶作用,在锚索托盘与锁具间安设一个低荷载阻力原件,这样能保证巷道顶板在短时间、小范围内基本处于自由状态,在此期间观... 展开更多; 关键词察哈素煤矿连采施工巷道掘进空顶距; 在线阅读下载PDF 职称材料

基于梯度提升决策树的瓦斯浓度在线预测被引量：8: 6; 作者郭风景王斌 +2 位作者贾澎涛孙刘咏廖永强《中国煤炭》 2023年第10期61-67,共7页; 为了准确可靠实时预测矿井瓦斯浓度,结合集成学习理论,提出了一种基于梯度提升决策树方法的瓦斯浓度在线预测模型(PGBDT)。首先采集瓦斯浓度历史数据,将异常值视为缺失值后,应用拉格朗日插值法对数据中的缺失值进行预处理;其次基于处理... 展开更多; 关键词瓦斯浓度集成学习梯度提升决策树在线预测; 在线阅读下载PDF 职称材料

题名采煤机截割部低照度图像的边缘检测技术被引量：1: 1; 作者贾澎涛靳路伟王斌郭风景李娜; 机构西安科技大学计算机科学与技术学院陕西建新煤化有限责任公司陕西陕煤蒲白矿业有限公司; 出处《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第4期172-178,共7页; 基金国家自然科学基金项目(62002285)。; 文摘针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pascal三角形理论确定掩膜算子上各位置的权重系数,并将掩膜算子扩展到4个不同方向;最后将得到的掩膜算子与图像进行卷积,利用图像的局部特征信息对每个方向的微分结果进行后处理。结果表明:(1)在进行多个不同场景的井下低照度图像上的实验时,Lif算法可以更全面地获取图像中不同方向上的边缘信息,在处理低照度图像时具备更强的抗噪性能,并且提取的边缘线条比其余边缘检测算法更加清晰、完整,保留了更多的纹理细节信息。(2)在客观指标评价的对比上,与基于分数阶灰色系统模型的边缘检测算法以及改进的分数阶Sobel边缘检测算法相比,Lif算法在Entropy指标上分别提高了43%、11%,AG指标上分别提高了23%、23%,SSIM指标上分别提高了152%、6%。表明Lif算法在进行采煤机截割部的边缘检测任务时更具优势,研究对井下设备工作运行时的安全性和可靠性提升具有重要意义。; 关键词低照度图像分数阶微分边缘检测采煤机截割部煤矿; Keywords low illumination image fractional differential edge detection cutting unit of shearer coal mine; 分类号 TP751 [自动化与计算机技术—检测技术与自动化装置] TD41 [矿业工程—矿山机电]; 在线阅读下载PDF 职称材料

题名基于多特征融合的煤自燃温度深度预测模型被引量：6: 2; 作者王斌贾澎涛郭风景孙刘咏林开义; 机构陕西建新煤化有限责任公司西安科技大学计算机科学与技术学院陕西陕煤蒲白矿业有限公司; 出处《中国矿业》北大核心 2024年第2期84-90,共7页; 基金国家自然科学基金项目资助(编号:51974236)。; 文摘为了有效预防煤矿采空区煤自燃灾害,提高煤自燃灾害预测模型精度,提出了基于多特征融合的煤自燃温度深度预测模型。首先,通过自编码器网络对煤自燃数据的每一个特征进行降噪处理,增强数据的鲁棒性;其次,按时间序列顺序将降噪后的数据转成二维特征矩阵,采用滑动窗口对特征矩阵进行切片,并采用深度学习中的卷积神经网络提取特征矩阵上的有效特征,进行特征数据融合,在降噪和特征提取与融合的过程中采用差分进化算法对降噪自编码器和卷积神经网络的参数进行优化;最后,将融合后的数据输入门控循环单元神经网络进行煤自燃温度预测。实验结果表明,降噪后和特征融合后的数据在平均绝对误差上比直接采用原始数据预测误差分别降低6.55%和69.26%,均方根误差分别降低13.23%和63.49%,说明经过编码器降噪以及特征融合处理后能够有效提升煤自燃温度预测的准确度。; 关键词煤自燃深度学习卷积神经网络预测差分进化算法; Keywords coal spontaneous combustion deep learning convolutional neural network prediction differential evolution algorithm; 分类号 TD752 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名基于PSO-SRU深度神经网络的煤自燃温度预测模型被引量：9: 3; 作者贾澎涛林开义郭风景; 机构西安科技大学计算机科学与技术学院陕西建新煤化有限责任公司; 出处《工矿自动化》北大核心 2022年第4期105-113,共9页; 基金国家自然科学基金项目(51974236) 西安市科技计划项目(2020KJRC0069)。; 文摘针对传统煤自燃温度预测模型泛化能力不强、鲁棒性较差的问题,提出了一种基于改进粒子群(PSO)优化简单循环单元(SRU)的煤自燃温度预测模型(PSO-SRU模型)。首先,对煤自燃程序升温实验中采集的气体浓度数据进行预处理,选取与煤温相关性较强的O_(2),CO,CO_(2),CH_(4),C_(2)H_(4)作为煤温预测指标,并将预测指标划分为训练集和测试集;其次,构建SRU预测模型拟合训练集中煤自燃温度与气体指标间非线性规律,将平均绝对误差(MAE)作为适应度函数,利用改进的PSO算法优化SRU预测模型参数;最后,将测试集数据输入参数最优的SRU预测模型,利用SRU计算得到煤自燃温度预测值。实验结果表明:通过指标择优和参数寻优后,PSO-SRU模型在测试集上的MAE相较于基于支持向量回归(SVR)、随机森林(RF)和反向传播(BP)的煤自燃温度预测模型分别降低了12.58,7.65,5.91℃,表明PSO-SRU模型在一定程度上提高了预测精度;均方根误差(RMSE)分别降低了22.65,17.45,8.94℃,PSO-SRU模型在训练集和测试集上的决定系数(R^(2))仅相差0.03,表明PSO-SRU模型具有良好的泛化性和鲁棒性。; 关键词煤自燃温度预测气体指标深度神经网络循环神经网络 SRU单元粒子群算法; Keywords temperature prediction of coal spontaneous combustion gas indicator deep artificial neural network recurrent neural network simple recurrent unit particle swarm optimization; 分类号 TD752 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

题名沿空掘巷煤柱合理宽度及薄喷密闭技术研究被引量：2: 4; 作者李慧石昆; 机构陕西建新煤化有限责任公司; 出处《中国矿业》 2023年第11期144-151,共8页; 文摘针对综放开采煤柱护巷效果不佳、围岩变形量大、采空区侧瓦斯溢出等问题,以建新煤矿4209工作面回风巷为工程背景,根据极限平衡理论计算出煤柱的合理宽度为7.8~9.0 m,并利用FLAC3D软件探究不同煤柱宽度下的巷道围岩塑性区发育规律、应力分布特征、变形情况,综合分析得出煤柱最佳宽度为9 m。基于模拟结果及薄喷密闭原理,结合现场实际条件,设计了巷道支护及薄喷密闭方案。实践结果表明:采用9 m煤柱和薄喷密闭技术后,4209工作面回风巷整体围岩变形量较小,且瓦斯浓度明显降低,满足工作面安全高效生产的需求。; 关键词综放开采沿空掘巷煤柱宽度围岩控制薄喷密闭技术; Keywords fully mechanized top coal caving mining roadway driven along goaf width of coal pillar surrounding rock control thin jet sealing technology; 分类号 TD322 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于连采施工工艺巷道掘进空顶距研究被引量：11: 5; 作者惠兴田刘伟郭风景胡宝岭刘平; 机构西安科技大学建筑与土木工程学院陕西建新煤化有限责任公司国电建投内蒙古能源有限公司; 出处《煤炭工程》北大核心 2013年第2期69-71,共3页; 文摘以锚索技术为依托提出了一种巷道掘进空顶距研究方法———锚索防护空顶监测技术,其原理是利用深部锚索的大面积空顶作用,在锚索托盘与锁具间安设一个低荷载阻力原件,这样能保证巷道顶板在短时间、小范围内基本处于自由状态,在此期间观察顶板表面变形及内部破坏的情况,判断顶板稳定性,从而初步确定合理的掘进空顶距。根据自行设计的防护装置在察哈素煤矿3101工作面胶带运输巷进行了实践,得出巷道掘进空顶距合理数据,并已成功运用于察哈素矿。; 关键词察哈素煤矿连采施工巷道掘进空顶距; 分类号 TD263.5 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

题名基于梯度提升决策树的瓦斯浓度在线预测被引量：8: 6; 作者郭风景王斌贾澎涛孙刘咏廖永强; 机构陕西陕煤蒲白矿业有限公司陕西建新煤化有限责任公司西安科技大学计算机科学与技术学院; 出处《中国煤炭》 2023年第10期61-67,共7页; 文摘为了准确可靠实时预测矿井瓦斯浓度,结合集成学习理论,提出了一种基于梯度提升决策树方法的瓦斯浓度在线预测模型(PGBDT)。首先采集瓦斯浓度历史数据,将异常值视为缺失值后,应用拉格朗日插值法对数据中的缺失值进行预处理;其次基于处理后的瓦斯浓度历史数据和梯度提升决策树方法建立瓦斯浓度预测模型;随后采用L2范式作为目标函数,确定模型输入滑动窗口的最优长度,实现在线预测;最后选择线性回归、差分自回归移动平均、支持向量回归、BP神经网络、长短时记忆网络(LSTM)、门控循环单元神经网络(GRU)等预测方法作为对比方法,对提出的瓦斯浓度在线预测进行了验证模型。实验结果表明,相对于线性回归、差分自回归移动平均、支持向量回归、BP神经网络等方法,PGBDT方法的预测精度和运行效率具有明显优势,相较于LSTM、GRU方法,PGBDT在运行效率方面有较好的优势。综合来看,PGBDT取得了较好的预测效果,显著提高了瓦斯浓度在线预测效率和预测模型的泛化能力。; 关键词瓦斯浓度集成学习梯度提升决策树在线预测; Keywords gas concentration ensemble learning gradient boosting decision tree online predication; 分类号 TD712.5 [矿业工程—矿井通风与安全]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	采煤机截割部低照度图像的边缘检测技术	贾澎涛靳路伟王斌郭风景李娜	《煤田地质与勘探》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于多特征融合的煤自燃温度深度预测模型	王斌贾澎涛郭风景孙刘咏林开义	《中国矿业》北大核心	2024	6	在线阅读下载PDF 职称材料
3	基于PSO-SRU深度神经网络的煤自燃温度预测模型	贾澎涛林开义郭风景	《工矿自动化》北大核心	2022	9	在线阅读下载PDF 职称材料
4	沿空掘巷煤柱合理宽度及薄喷密闭技术研究	李慧石昆	《中国矿业》	2023	2	在线阅读下载PDF 职称材料
5	基于连采施工工艺巷道掘进空顶距研究	惠兴田刘伟郭风景胡宝岭刘平	《煤炭工程》北大核心	2013	11	在线阅读下载PDF 职称材料
6	基于梯度提升决策树的瓦斯浓度在线预测	郭风景王斌贾澎涛孙刘咏廖永强	《中国煤炭》	2023	8	在线阅读下载PDF 职称材料