基于深度学习的大采高工作面矿压预测分析及模型泛化

综采工作面矿压显现的分析与预测对于复杂地质条件下工作面顶板管理,保证矿井生产安全具有重要意义。采用关系型数据库储存液压支架工作阻力数据以及利用工作面推进过程中矿压显现的时序特性,采用SQL语言,运用长短时记忆网络(Long Short Time Memory,LSTM)深度学习方法,以红庆河矿31101大采高综采工作面矿压规律为研究对象,对工作面支架工作阻力、支架不平衡力、支架安全阀开启情况及初次来压与周期来压等矿压显现规律进行分析;基于建立的数据库,预测了红庆河大采高工作面矿山压力,预测结果表明LSTM方法较BP神经网络预测更具准确性。为进一步讨论本研究采用的LSTM网络模型的泛化能力,在采用布尔台42103大采高工作面、上湾矿12401大采高工作面少量矿压数据的前提下,使用迁移学习方法,对矿压数据进行预测检验,结果表明:LSTM模型具有很好的泛化能力,相比于不使用迁移学习方法,迁移学习可提高模型的泛化能力。最后,探讨了模型在3个大采高工作面矿压预测表现的差别,发现数据量本身对模型预测行为影响较大,增大数据量可弥补原始数据缺失等问题。在预测模型基础上设计了周期来压预警模型,集成形成相应矿压分析与预警系统,经工程验证判定预警系统分析效果良好。     

ORAL外语口语APP开发与应用设计构想

随着2018年教育部出台中国英语等级量表(CES)计划在2020年前逐步推进,我国未来将会建立起一个统一的并为国外认可的英语测评体系,对学生英语听说读写能力的测评标准也将提高。受制于有限的语言环境,中国学生的听、说能力相对较弱,且缺乏有效训练。为了改变应试教育下学生固化的语言学习模式和思维模式,使学生学习语言目的更趋向于生活化,提升其语言交际能力,文章在分析对比市面上现行外语口语学习APP的基础上探索设计一种新型的更适用于本国学生的外语口语学习软件,旨在创设真实自然的语言环境,切实提高青少年口语学习水平。     

氮对镀锡钢板的强化作用

通过物理化学相分析研究了3种不同氮含量镀锡板中固溶氮、化合氮的含量,结合相关理论计算了镀锡板中氮的固溶强化和析出强化对强度的贡献。结果表明:随着总氮含量从0.0021%提高到0.0103%,钢中化合氮含量下降10.1%,但是AlN析出相中的氮的含量上升10.7%。氮在提高镀锡板强度方面发挥重要作用,钢中总氮含量提高0.0082%,其对屈服强度的贡献值提升约30 MPa。     

云/边缘协同的轴承故障诊断方法

现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。     

一种基于深度学习的产品分类统计方法的研究

对于流水线上多类产品不规则混合放置条件下的统计问题,利用基于faster R-CNN和改进的深度卷积网络结合的图像识别方法,实现了对产品的在线分类计数。首先利用faster R-CNN方法获取图像中产品的位置信息,然后用改进的深度卷积网络对图像进行特征提取,将产品区域的位置信息映射到最后一层特征图上,再用ROI池化对产品区域特征进行尺度归一化,把归一化后的产品特征输入softmax分类器识别,从而实现了分类统计。实验结果表明,该方法能够在工业生产中实现多类混线产品在线自动分类统计。     

人工监督神经网络在煤层裂缝发育区识别中的应用

针对在地震属性应用中难以精细识别煤层裂缝发育区边界的难题,开展了基于人工监督神经网络技术的煤层裂缝发育区应用研究。从地震资料中获取倾角导向体以提取高质量的地震属性,以多属性为指导进行人工拾取样点,并基于多层感知器进行神经网络机器训练学习,建立裂缝的最优属性集,拓展整体数据后获得裂缝概率体,从而识别划分出煤层裂缝发育区。该技术在山西阳泉新元矿区进行了应用,煤层裂缝发育区的识别结果明显优于属性直接识别,但勘探区内暂无钻井资料,预测效果还有待进一步验证。     

高中化学学习过程中存在的问题及对策探索

探究学习各门学科知识,解决自己学习中遇到的问题,是高中生学习的主要目的。高中化学是一门综合性的学科,既需要理论的学习,更需要实验的学习,这就需要高中生有良好的学习方法,才能学好高中化学。怎么引导学生既能够学好理论,又有一定的化学实验基础,使学生掌握相对全面的化学知识,使得学生在今后的学习和实践中具备比较优秀的素质。     

浅谈计算机专业学生“学习高原”现象

随着教育事业的不断改进,我国知识教育已得到了突飞猛进的效果,各大院校的专业体系已逐渐完善,其中计算机专业在上世纪得到支持与发展,当下已成为我国大学教育的重要学科之一。但是在学习过程中"学习高原"现象已经严重影响学生的学习效率,因此及时有效的采取措施,正确看待"高原现象",使学习质量得到进一步改善,学习效果得到进一步提升,是每个高校需要重视的问题。本文从计算机专业学生出现"学习高原"现象的因素出发进行分析,探讨了相关的合理教学措施,旨在协助学生突破"高原现象",以进一步提高学习质量。     

自主性学习在小学美术教学中的运用

随着我国教育改革的不断推进,教师开始重视培养和提高学生的自主学习能力,引导学生自主学习和积累知识,使之形成良好的学习习惯,以提高课堂教学的有效性。在小学美术教学过程中,教师要加强培养学生的自主学习能力,全面落实以学生为课堂主体的教学理念,引导学生结合相应的美术资料学习美术知识,以促进学生美术综合素养的发展。     

基于卷积神经网络的葡萄叶片氮含量识别方法

为实现对葡萄叶片氮素含量快速、便捷的识别，在卷积神经网络VGG-16网络结构基础上，将数据增广后的图像按不同梯度划分进行模型训练，通过十折交叉验证法探究最佳的训练集与验证集分配比例，并构建4个不同深度的网络模型进行训练对比，采用全局平均池化代替全连接层约简网络参数量。训练结果表明，氮含量梯度设为0.70%、0.35%和0.175%时，室内简单背景识别准确率分别为85.9%、76.2%和71.1%；晴天室外复杂背景下识别准确率分别为44.6%、35.0%和30.4%。研究结果表明利用VGG-16建立的网络学习模型对葡萄叶片氮含量识别提供了一种新的便捷方法，对农业信息化和智能化技术应用具有一定促进作用。