摘要
为了能够准确地预测和描述煤岩界面预测问题,提出一种基于概率分布的煤岩层预测算法,通过训练开采过程中已存储的截割数据,并以最大似然估计法优化高斯过程回归算法中的超参数得到预测模型。
In order to predict and describe the coal rock interface prediction problem exactly, a prediction model of coal seam based on probability distributions is proposed, the maximum likelihood estimation method is used to optimize the hyper-parameter of probability distributions model based on Gaussian progress by training the prospecting data in the mining process.
引文
[1]王勃,刘盛东,黄兰英.煤层厚度综合预测分析[J].煤炭技术,2012,31(4):94-96.
[2]王建青,杨晓东,田忠斌,等.基于地震频谱属性的煤层厚度预测方法[J].物探与化探,2017(2):364-368.
[3]曹路通,常锁亮,潘永学,等.基于地震沉积学方法的煤层厚度预测[J].中国煤炭,2017(3):27-31.
[4]胡胜利,钱旭,钟峰.基于遗传算法和人工神经网络的煤层厚度预测[J].中国煤炭,2010(2):69-71.
[5]李伟,李计良.三维地震勘探技术在煤层厚度预测中的应用[J].煤矿安全,2017(S1):80-85.
[6]孙喆.利用波阻抗反演重构地震数据提高煤层厚度预测精度[J].矿业安全与环保,2016(5):90-94.
[7]于冰洁,夏战国,王久龙.基于高斯过程模型的异常检测算法[J].计算机工程与设计,2016,37(4):914-920.
[8]闵振辉,何勇华.基于灰色神经网络的煤岩界面预测研究[J].自动化与仪器仪表,2012(2):16-18.