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：本发明涉及矿山动力灾害预测技术领域，具体为一种基于ISSA‑CNN的岩爆烈度等级预测方法。首先，选取岩爆烈度等级预测指标数据，运用孤立森林法iForest与链式多重插补法MICE进行数据清洗得到完整数据集，并基于十折交叉验证进行数据集划分；然后，建立初始预测模型框架，运用莱维飞行与tent混沌映射对麻雀搜索算法SSA进行改进得到ISSA，运用改进后的搜索算法优化模型中的超参数；最后，训练模型，建立基于ISSA‑CNN的岩爆烈度等级预测模型，并运用测试集验证建立模型的精确度。本发明提出的岩爆烈度等级预测方法，结合了搜索算法的寻优能力与深度学习的特征提取能力，提高了岩爆烈度等级的预测能力，对矿山开采过程中岩爆灾害的防治具有重大意义。

主权项：1.一种基于ISSA-CNN的岩爆烈度等级预测方法，其特征在于，包括如下步骤：步骤S1：采集岩爆烈度等级影响指标数据，运用iForest识别异常数据并进行剔除，主要步骤为：步骤S101，生成多棵孤立树，每棵树通过随机选择特征和分割点来构建；步骤S102，对于每个样本，计算其在每棵树中的路径长度；步骤S103，根据样本在所有树中的平均路径长度计算异常评分；步骤S104，根据设定的阈值进行排名，确定并剔除异常值；步骤S2：对于原本空缺和剔除后空缺的数据，运用MICE对缺失数据进行填补，主要步骤为：步骤S201，对缺失值进行初步填补，选择一个包含缺失值的变量作为目标变量，其余变量作为预测变量；步骤S202，使用不同的估计器构建回归模型，利用模型预测缺失值并进行填补，生成多个不同的完整数据集；步骤S203，对多个完整数据集分别进行分析，并将结果进行综合以获得最终的分析结果；步骤S3：对数据集按照8:2的比例划分为训练集与测试集。对于训练集，通过十折交叉验证法充分利用数据，主要步骤为：步骤S301，将训练集数据随机分成10个等份，每次选用其中的一个子集作为验证子集，其余9个子集作为训练子集；步骤S302，每次选取不同的子集作为验证子集，每次验证后记录模型的性能指标；步骤S303，计算10次验证的平均性能指标；步骤S4：搭建CNN预测模型初始框架，主要步骤为：步骤S401，运用训练集训练模型，确定卷积层数量；步骤S402，初始化CNN结构，确定各层参数；步骤S403，运用训练集训练模型，确定特征边缘处理方法，激活函数与优化器；步骤S5：使用tent混沌映射生成初始种群，莱维飞行进行较大跨度的随机移动，优化麻雀搜索算法从而得到ISSA，对比SSA与ISSA的适应度曲线，验证添加莱维飞行与tent混沌映射后搜索算法的寻优性能；步骤S6：运用ISSA优化算法选取模型最优超参数，主要步骤为：步骤S601，确定需要优化的模型参数有11个，分别为：学习率；迭代次数；Minibatch；L2正则化参数；学习率下降因子；第一层卷积核大小；第一层卷积核数量；第二层卷积核大小；第二层卷积核数量；全连接层1的神经元数量；全连接层2的神经元数量；步骤S602，确定麻雀种群规模为50，最大迭代次数为100，发现者比例0.2，被追踪者比例0.8，警戒值0.7，变异系数0.5，莱维飞行步长比例0.5，tent混沌映射初始值0.5；步骤S603，运用训练集对模型进行训练，得到11个参数的最优值；步骤S7：运用训练集训练模型，建立基于ISSA-CNN的岩爆烈度等级预测模型。步骤S8：运用测试集对ISSA-CNN岩爆烈度等级预测模型进行测试，验证模型的精确度。

全文数据：

权利要求：

百度查询： 中国矿业大学(北京) 一种基于ISSA-CNN的岩爆烈度等级预测方法