垮落煤岩性状识别研究

摘要：

针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法.采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况.现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率.

关键词：煤炭开采、综放工作面、垮落煤岩、煤岩性状识别、连续小波变换、奇异值分解、神经网络、SVD

所属期刊栏目：43

分类号：TD67(矿山电工)

资助基金：国家重点基础研究发展计划973计划资助项目2014CB046300,2014CB046306

在线出版日期：2017-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：24-28