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
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。
基本信息
专利标题 ：
基于机器学习的深部采空区CSAMT电性特征增强与分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110598796A
申请号 ：
CN201910877150.3
公开（公告）日 ：
2019-12-20
申请日 ：
2019-09-17
授权号 ：
CN110598796B
授权日 ：
2022-04-12
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
申请人 ：
山东科技大学
申请人地址 ：
山东省青岛市黄岛区前湾港路579号
代理机构 ：
青岛锦佳专利代理事务所(普通合伙)
代理人 ：
朱玉建
优先权 ：
CN201910877150.3
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-04-12 ：
授权
2020-01-14 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20190917
申请日 : 20190917
2019-12-20 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
