矿业工程论文_基于改进卷积神经网络的矿井巷道

文章摘要:针对现有场强预测模型建模过程复杂、计算复杂度高、预测精度低等问题，提出了一种基于改进卷积神经网络（CNN）的矿井巷道场强预测模型。通过分析矿井大尺度衰落信道电磁波传输影响因素，以天线工作频率、巷道截面尺寸、巷道壁粗糙度、巷道壁倾斜度、巷道壁相对介电常数、收发端距离等作为模型输入，将电磁波传播路径损耗作为模型输出，从而预测巷道场强变化；改进CNN在每个卷积层后加入批量归一化层来代替原有的池化层，以避免池化层下采样导致的数据特征丢失，让每一层卷积输出保持相似分布，提高网络泛化能力，加快网络收敛。仿真结果表明，与基于CNN、BP神经网络、支持向量机的场强预测模型相比，该模型预测值与实际值吻合度较高，具有较强的鲁棒性，有效提高了矿井巷道场强预测精度。

文章关键词:

论文DOI:10.13272/j.issn.1671-251x.2021030073

论文分类号:TD655.3;TP183

文章来源：《中国辐射卫生》 网址: http://www.zgfswszz.cn/qikandaodu/2021/1026/1073.html