- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于小样本学习的冲击地压时序预测模型构建方法,通过微震传感器将采集到的原始微震数据传至地面控制室的上位机,由上位机对原始微震数据进行标准化处理,然后利用主成分分析法和核密度估计方法处理标准化以后的微震数据,得到相应二维时序数据,研究即将发生的大能量矿震事件与过去矿震事件的相关性,构建密度指标,并完成数据的标注,最后构建基于小样本学习的长短期神经网络,通过将时序数据以及密度指标放入构建好的神经网络中训练,完成未来大能量事件发生的时间段的预测。本发明能够降低长短期记忆循环神经网络对数据的依赖性,
(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 115983465 A (43)申请公布日 2023.04.18 (21)申请号 202211708756.2 G06F 18/2415 (2023.01)
文档评论(0)