来源：期刊VIP网 时间：
作者：刘尧;刘再斌;邢震;
单位：中煤科工西安研究院(集团)有限公司;天地(常州)自动化股份有限公司;中煤科工集团常州研究院有限公司;
摘要：矿井时移电阻率监测数据体是一个包含回采方向、工作面延伸方向、深度方向、电阻率等多种属性的高维数据体，其真实分布是未知的，盲目应用现有降维方法可能会导致与数据质量密切相关的某一高维属性被弱化，且目前矿井时移电阻率监测数据主要依靠人工经验进行数据筛选，智能化程度不足。针对上述问题，提出了一种基于深度学习的矿井时移电阻率监测数据特征提取与智能筛选方法。首先，对包含空间三维坐标信息及电阻率值的高维离散数据进行降维，获取数据本质特征，去除数据冗余，实现多尺度特征提取。然后，采用ResNet10卷积神经网络对二维切片数据逐切片提取二维特征，并计算各切片的结构相似性，评估电阻率异常体的空间连续性与光滑性；采用Transformer网络进行电阻率监测数据三维特征提取。最后，利用谱聚类方法在特征空间对监测数据进行智能筛选。采用所提方法与人工筛选方法对某矿区单日16次监测数据进行特征提取和质量筛选，结果表明：人工筛选时不同人员独立筛选给出截然不同的筛选结果，筛选结果主观性太强，重复性差，没有固定评价标准，且平均耗时30 min，实时性较低；所提方法的实验结果一致性为100%，且每次筛选耗时均在30 s内，说明所提方法筛选结果客观、稳定、可靠且速度快。
关键词：时移电阻率监测;;ResNet10卷积神经网络;;Transformer网络;;谱聚类;;煤矿地质透明化;;深度学习;;结构相似性
基金资助：“十四五”国家重点研发计划项目(2023YFC3012105);; 陕西省博士后科研资助项目(2024BSHSDZZ213);; 陕西省自然科学基础研究计划项目(2024JC-YBQN-0268);; 天地科技股份有限公司科技创新创业资金专项项目(2023-TD-ZD001-001);; 中煤科工西安研究院(集团)有限公司科技创新基金项目(2023XAYJS04)
