申请/专利权人：吉林建筑大学

申请日：2023-09-04

公开（公告）日：2024-04-26

公开（公告）号：CN117150911B

主分类号：G06F30/27

分类号：G06F30/27;G06F119/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明涉及煤岩动力灾害监测预警技术领域，特别是指一种基于图神经网络的煤岩失稳破裂预测方法和系统，包括：获取预测采区一段时间内监测的微震信号和相应的坐标；将预测采区划分为n个等体积网格，每个网格视作一个节点；划分若干时间段，根据每个时间段内各节点的微震信号参数时间序列相关性构建连边，得到每个时间段的网络图；根据图嵌入方法将每个网络图转化成节点向量组；根据节点向量组的时间序列，采用神经网络预测后T段时间的网络图拓扑结构，将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警。采用本发明，可识别煤岩失稳破裂前兆特征，从而对煤岩失稳破裂进行预警，避免人员伤亡和财产损失。

主权项：1.一种基于图神经网络的煤岩失稳破裂预测方法，其特征在于，所述方法包括：S1、获取预测采区一段时间内监测的微震信号和相应的坐标；S2、将所述预测采区划分为n个等体积网格，每个网格视作一个节点；S3、划分若干时间段，根据每个时间段内各节点的微震信号参数时间序列相关性构建连边，得到每个时间段的网络图；S4、根据图嵌入方法将每个网络图转化成节点向量组；S5、根据所述节点向量组的时间序列，采用神经网络预测后T段时间的网络图拓扑结构，将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警；所述S3，具体包括：S301、从采集到的微震信号中求得多个参数，对每个参数所对应的时间序列进行归一化： 其中，xij为原始微震数据第i个参数的第j个值，ximin为原始微震数据第i个参数中的最小值，ximax为原始微震数据第i个参数中的最大值，Xij为归一化后微震数据第i个参数的第j个值；S302、以10s为步长遍历ts∈0，60，根据ts划分时间段，将归一化后的时间序列按时间等分成m段，每段含有ts秒的数据；S303、计算每两个节点在每段时间内的每个微震参数序列的皮尔逊相关系数： 其中，Nivk为节点i微震数据的第v个参数在第k段时间的序列，Njvk为节点j微震数据的第v个参数在第k段时间的序列；S304、根据所述皮尔逊相关系数，计算每个微震参数序列对应皮尔逊相关系数的平均值： 其中，V为微震信号参数数量，rijk为节点i和节点j在第k段时间的皮尔逊相关系数，得到第k段时间的相似度矩阵Rk： 起始网络视为仅有相邻网格相似，相邻节点有边，起始网络相似度矩阵R0： 其中Rij0为R0中第i行第j列的元素；S305、根据所述相似度矩阵Rk，规定合适的边缘密度： 其中，E为预设的网络边数，根据P选取阈值τ∈0，1，构建第k段时间的邻接矩阵Ak： 其中Aijk为Ak中第i行第j列的元素，有权值矩阵Wk： 其中，Wijk为Wk中第i行第j列的元素，边ij的权重；根据所述邻接矩阵Ak和权值矩阵Wk，得到m段时间的网络图拓扑结构；所述S4，具体包括：S401、使用Node2Vec算法，利用随机游走策略，基于所述网络图拓扑结构，得到一组节点序列，其中，从节点i到其邻居节点x∈vi的转移概率为： 其中，Wix为边ix的权重，vi为节点i的邻居节点集，Wiy为边iy的权重，节点y是节点i的邻居节点；使用Skip-gram模型求解得到节点的嵌入向量，进而得到第k段时间网络图中的节点向量组： 其中，Nk表示第k段时间网络图的节点向量组，Nijk表示第k段时间网络图中第i个节点向量的第j个元素，u表示节点向量维度；S402、对每个时间段的网络图进行图嵌入操作，得到一组节点向量组的时间序列：N＝N0，N1，…，Nm；所述S5，具体包括：S501、将所述节点向量组中部分数据当作训练集，利用LSTM模型进行训练并预测，得到后T段时间的节点向量组：Nf＝Nf1，Nf2，…，NT其中，LSTM模型包括：输入：当前时刻的数据Nt，上一时刻的输出ht-1；计算：遗忘门ft＝σWf·[ht-1，Nt]+bf，输入门：it＝σWi·[ht-1,Nt]+bi，候选记忆单元：更新记忆单元：输出门：ot＝σWo·[ht-1，Nt]+bo，隐藏状态：ht＝ot·φct；其中，σ·和φ·是激活函数，W和b是可学习权重和偏置，Wf和bf分别是遗忘门ft的可学习权重和偏置，Wi和bi分别是输入门it的可学习权重和偏置，Wc和bc分别是候选记忆单元的可学习权重和偏置，Wo和bo分别是输出门ot的可学习权重和偏置；S502、计算预测的节点向量组Nf的每两个行向量的欧式距离： 其中，Nfikx为第k个时间段对应的网络图的第i个节点向量的第x个元素，Nfjkx为第k个时间段对应的网络图的第j个节点向量的第x个元素，得每个网络图的距离矩阵Dx；S503、根据所述边缘密度，选取前E个欧式距离最小的节点对构成边，得后T段时间的网络图拓扑结构；S504、计算每个网络图的每个节点的重要性：Pai＝DCi·BCi·CCi其中，是节点i的度数中心性，ki是节点i的度，n是节点数量；是节点i的介数中心性，guv网络中是不为i的节点u和v的最短路径数量，是guv条最短路径中通过节点i的数量；是节点i的聚类系数，其中NN是节点i的邻居节点数量，Z是节点i邻居节点之间的实际边数；将后T段时间的网络图中重要性大于预设值的节点作为煤岩失稳破裂前兆特征进行预警。

全文数据：

权利要求：

百度查询： 吉林建筑大学 一种基于图神经网络的煤岩失稳破裂预测方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD