买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学(北京)

摘要：本发明涉及煤矿火灾预测技术领域，具体为一种基于GPR‑ISSA‑CNN的煤自燃温度预测方法。首先，收集煤自燃程序升温过程影响指标数据，运用高斯过程回归GPR对数据进行平滑处理，有效去噪并提高数据趋势分析与模式识别能力；然后，搭建CNN初始框架，引入自适应权重因子与柯西变异扰动对麻雀搜索算法SSA进行改进，提高其局部与全局搜索能力，得到ISSA；接着，运用ISSA优化模型的超参数，训练模型并输出结果，将能够提高全局优化能力与适应性的ISSA与拥有优秀特征提取能力、泛化性与鲁棒性的CNN相结合，建立基于GPR‑ISSA‑CNN的煤自燃温度预测模型；最后，将模型在测试集上进行预测，观察性能评价指标，确定模型的预测精度。本发明的预测模型具有较高的预测精度和稳定性，可为煤自燃温度预测提供参考。

主权项：1.一种基于GPR-ISSA-CNN的煤自燃温度预测方法，其特征在于，包括如下步骤：步骤S1：收集煤自燃程序升温影响指标数据，运用高斯过程回归GPR对数据进行平滑处理，主要步骤为：步骤S101，读取数据；步骤S102，建立单变量GPR模型，确定初始噪声水平为煤自燃温度数据的标准差，优化方法使用fitrgp函数，核函数使用Matérn核函数，Matérn核函数公式如下： 其中，ν是一个正数超参数，l是长度尺度，Γν是伽玛函数，Kν是修正的贝塞尔函数；步骤S103，分别对每个影响指标进行平滑处理，得到平滑后的数据；步骤S104，绘制平滑曲线和数据点的散点图，将平滑处理后的数据可视化，比较平滑结果与原始数据；步骤S2：搭建CNN初始框架，主要步骤为：步骤S201，数据归一化；步骤S202，将数据集划分为训练集与测试集；步骤S203，运用训练集训练模型，确定激活函数、优化器与损失函数；步骤S3：引入自适应权重因子与柯西变异扰动对麻雀搜索算法SSA进行改进，提高其局部与全局搜索能力，得到ISSA；步骤S4：运用ISSA优选模型超参数，主要步骤为：步骤S401，确定需要优化的模型参数有9个，分别为：学习率LearningRate；迭代次数iterations；批量大小BatchSize；正则化参数RegularizationParameters；Dropout率；第一层卷积核大小KernelSize1；第一层卷积核数量KernelNum1；第二层卷积核大小KernelSize2；第二层卷积核数量KernelNum2；步骤S402，确定麻雀种群规模为50，最大迭代次数为1000；步骤S403，运用训练集对模型进行训练，得到9个参数的最优值；步骤S5：运用训练集训练模型，建立基于GPR-ISSA-CNN的煤自燃温度预测模型；步骤S6：运用测试集对GPR-ISSA-CNN模型进行测试，验证模型精确度。

全文数据：

权利要求：

百度查询： 中国矿业大学(北京) 一种基于GPR-ISSA-CNN的煤自燃温度预测方法