Регистрация / Вход
Прислать материал

Распознавание сложных газодинамических явлений в шахтах с использованием искусственной нейронной сети

ФИО
Агабубаев Аслан Такабудинович
Электронная почта
9eee87d8agabubaev@yandex.ru
Номинация
Информационные технологии
Институт
Институт информационных технологий и автоматизированных систем управления (ИТАСУ)
Кафедра
Автоматизированных систем управления
ФИО научного руководителя
Проф., д.т.н. Темкин Игорь Олегович
Академическая группа
АС-12
Наименование тезиса
Распознавание сложных газодинамических явлений в шахтах с использованием искусственной нейронной сети
Тезис

Разработка методов использования искусственной нейронной сети (ИНС) при распознавании сложных газодинамических процессов и явлений в шахтах. Решение задачи, заключается в создании формальных  процедур обработки оперативной информации, которые позволят идентифицировать явление и процесс на основе анализа коротких экспериментальных реализаций. В качестве  исходного экспериментального материала рассматривались  метанограммы, полученные, с помощью аппаратуры автоматического контроля на шахтах Кузнецкого угольного бассейна и шахтах Вьетнама.

Возможно несколько подходов к решению задачи:

1. В случае если имеется значительное количество различных метанограмм, используется алгоритм обучения back propagation, для автоматического формирования "идеальных" образов явлений (например, работа комбайна, нарушение вентиляционных режимов и т.д.)

2. В случае если экспериментальных данных недостаточно, используются специально сформированные индикаторы \(x_{i}=f\{C(t_{i-k}),C(t_{i-k+1}),...,C(t_{i})\}\) , которые группируются в кодовые вектора. \(X:\hat{x}_{1},\hat{x}_{2},...,\hat{x}_{N}\)-множество векторов, представляющих собой N-реализаций некоторого индикатора, определяют структуру обучающего набора.

В результате обучения мы получаем некоторую функцию:

                                                                            \(\hat{F}\Bigg(S=y_{i}\mid\hat{x}_{j}\Bigg| S_{j}\Bigg),j=\overline{1,N} ,i=\overline{1,m}\)

где \(y_{i}\)-может представлять собой либо кодовый вектор вида{0,0,0,1,0,0}, либо действительное число принадлежащих заранее определенному интервалу. Задача распознавания стоит в минимизации некоторого функционала \(Ф\{\hat{y}_{i},\check{y}_{j}\}\), здесь \(\hat{y}_{i}\)- это значение функции F соответствующее кодовым образам соответствующих классов \(j=\overline{1,m}\).

Разработанный метод решения задачи распознавания, включает процедуру препроцессинга, с целью формирования набора обучающих образов, а также селекции нейросетевых структур по критериям скорости и точности обучения.

Алгоритм построения распознающей ИНС реализует схему обучения с параллельным тестированием и использует стандартные критерии оптимальности ИНС.

Научный руководитель - Проф., д.т.н. Темкин И.О.