亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于小波消噪-神經(jīng)網(wǎng)絡(luò)的鉆孔數(shù)據(jù)預(yù)處理*

        2015-03-08 11:54:30陳建均胡乃聯(lián)李國(guó)清馬朝陽
        現(xiàn)代礦業(yè) 2015年1期
        關(guān)鍵詞:閥值克里插值

        陳建均 胡乃聯(lián) 李國(guó)清 馬朝陽

        (1.北京科技大學(xué)土木與環(huán)境工程學(xué)院;2.金屬礦山高效開采與安全教育部重點(diǎn)實(shí)驗(yàn)室)

        基于小波消噪-神經(jīng)網(wǎng)絡(luò)的鉆孔數(shù)據(jù)預(yù)處理*

        陳建均1,2胡乃聯(lián)1,2李國(guó)清1,2馬朝陽1,2

        (1.北京科技大學(xué)土木與環(huán)境工程學(xué)院;2.金屬礦山高效開采與安全教育部重點(diǎn)實(shí)驗(yàn)室)

        針對(duì)地質(zhì)品位信息存在系統(tǒng)噪聲和測(cè)量噪聲的問題,提出利用小波消噪的時(shí)頻特性對(duì)鉆孔數(shù)據(jù)進(jìn)行預(yù)處理,然后運(yùn)用神經(jīng)網(wǎng)絡(luò)的非線性和自適應(yīng)性對(duì)消噪結(jié)果進(jìn)行優(yōu)化。將該方法應(yīng)用于某露天鉬礦的鉆孔數(shù)據(jù)預(yù)處理,并通過克里金法進(jìn)行品位插值。結(jié)果表明:采用鉆孔數(shù)據(jù)預(yù)處理的插值效果優(yōu)于未進(jìn)行預(yù)處理的克里金法插值,驗(yàn)證了該方法的可行性和有效性。

        小波消噪 神經(jīng)網(wǎng)絡(luò) 克里金法 SURFER

        根據(jù)已知地質(zhì)空間點(diǎn)的特性探索未知地質(zhì)空間的特性是地質(zhì)統(tǒng)計(jì)學(xué)應(yīng)用研究的基本問題。常規(guī)方法難以對(duì)空間中所有點(diǎn)進(jìn)行觀測(cè),但卻可獲取一定數(shù)量的空間樣本,這些樣本反映了已知空間的全部或部分特征,并可用空間插值方法來預(yù)測(cè)未知空間的特征[1]。常用的空間插值方法有克里格法,是對(duì)空間分布的數(shù)據(jù)求線性最優(yōu)、無偏內(nèi)插估計(jì)的一種方法[2]。信號(hào)的產(chǎn)生、處理及傳輸都不可避免地受到噪聲的干擾,噪聲的存在限制了人們提取原信號(hào)的有用信息。在地質(zhì)勘探過程中,由于受眾多因素的影響,空間信息含有系統(tǒng)噪聲和測(cè)量噪聲,一定程度上影響了地質(zhì)系統(tǒng)的真實(shí)變化,從而影響預(yù)測(cè)精度[3]。通過小波消噪的時(shí)頻特性、神經(jīng)網(wǎng)絡(luò)的非線性和自適應(yīng)性對(duì)地質(zhì)品位進(jìn)行預(yù)處理,可提高數(shù)據(jù)的可靠性和數(shù)據(jù)分析結(jié)果的精度。本文以某鉬礦為例,把小波消噪與神經(jīng)網(wǎng)絡(luò)結(jié)合起來,提出鉆孔數(shù)據(jù)預(yù)處理方法,通過克里金插值進(jìn)行對(duì)比分析。

        1 鉆孔數(shù)據(jù)預(yù)處理

        1.1 小波消噪

        小波分析是1974年由法國(guó)工程師J.Morlet首先提出,由于小波分析具備良好的時(shí)頻特性,因而實(shí)際應(yīng)用非常廣泛。從數(shù)學(xué)的角度看,小波消噪問題的實(shí)質(zhì)是尋找對(duì)原信號(hào)的最佳逼近;在信號(hào)學(xué)上,小波消噪是一個(gè)信號(hào)過濾的問題[4]。

        1.1.1 基本原理

        含噪聲的一維信號(hào)數(shù)學(xué)模型表示為:

        f(t)=s(t)+n(t) ,

        (1)

        式中,f(t)為含噪信號(hào);s(t)為真實(shí)信號(hào);n(t)為噪聲信號(hào)。

        最簡(jiǎn)單的情況下n(t)為高斯白噪聲。小波變換就是要抑制n(t)以恢復(fù)s(t),從而達(dá)到消除噪聲的目的。從統(tǒng)計(jì)學(xué)的角度看,這個(gè)模型是一個(gè)隨時(shí)間變化的回歸模型,也可看作是在正交基上對(duì)函數(shù)s(t)的無參估計(jì)。

        通過利用噪聲和信號(hào)在小波變換下的不同特性,對(duì)小波分解系數(shù)進(jìn)行處理,從而實(shí)現(xiàn)噪聲和信號(hào)分離。通常情況下,噪聲信號(hào)表現(xiàn)為高頻信號(hào),而有用信號(hào)則表現(xiàn)為較平穩(wěn)的信號(hào)或者低頻信號(hào)。

        1.1.2 基本步驟

        (1)選擇一個(gè)小波,確定小波分解的層次M,找到合適的小波基,然后利用離散小波變換對(duì)含噪信號(hào)進(jìn)行M層小波分解[5],其中Harr小波函數(shù)定義如下:

        (2)

        (2)對(duì)第一層到第M層的每一層高頻系數(shù)進(jìn)行閾值量化處理,常用軟閾值法和硬閥值法[6]。軟閥值法將小于閥值的小波系數(shù)置零,并把大于閥值的小波系數(shù)向零做收縮,其表達(dá)式如下:

        (3)

        硬閥值法只保留大于閥值的小波系數(shù),并將其他的小波系數(shù)置零,其表達(dá)式如下:

        (4)

        這兩種方法各有差異,前者具有連續(xù)性,在數(shù)學(xué)上易于處理,后者更接近實(shí)際情況。

        閥值處理的關(guān)鍵在于閥值的選擇,若閥值太小,消噪后仍留有噪聲;若閥值太大,重要的信號(hào)會(huì)被濾掉,引起偏差。

        (3)根據(jù)小波分解第M層低頻系數(shù)和經(jīng)過量化處理后的第一層到第M層的高頻系數(shù)進(jìn)行信號(hào)的小波重構(gòu),表達(dá)式如下[7]:

        (5)

        式中,cj,n為尺度系數(shù);dj,n為小波系數(shù);h、g為一對(duì)正交鏡像濾波器組;j為分解層數(shù);n為離散采樣點(diǎn)數(shù)。

        1.2 神經(jīng)網(wǎng)絡(luò)

        人工神經(jīng)網(wǎng)絡(luò)也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)或連接模型,是模仿動(dòng)物的神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并進(jìn)行信息處理的數(shù)學(xué)模型。這種網(wǎng)絡(luò)是由人工神經(jīng)元互聯(lián)組成的,依靠系統(tǒng)的復(fù)雜程度,通過調(diào)整內(nèi)部大量節(jié)點(diǎn)間相互連接,理論上可以逼近任意非線性映射。根據(jù)網(wǎng)絡(luò)神經(jīng)元連接方式的不同,可將人工神經(jīng)網(wǎng)絡(luò)分為相互連接型網(wǎng)絡(luò)和分層網(wǎng)絡(luò),目前引用較廣的是BP神經(jīng)網(wǎng)絡(luò)[8]。

        (1)BP神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò),一般含有三層,即輸入層、隱含層和輸出層,信息從輸入層流向輸出層。各層神經(jīng)元僅與相鄰層神經(jīng)元之間相互全連接,同層內(nèi)神經(jīng)元之間無連接,各層神經(jīng)元之間無反饋連接,構(gòu)成具有層次結(jié)構(gòu)的前饋型神經(jīng)網(wǎng)絡(luò)系統(tǒng),無隱含層的前饋神經(jīng)網(wǎng)絡(luò)只能求解線性可分問題,具有隱含層的多層神經(jīng)網(wǎng)絡(luò)才能夠求解非線性問題

        (2)非線性。在客觀世界中,很多系統(tǒng)的輸入與輸出間存在非常復(fù)雜的非線性關(guān)系,對(duì)于此類系統(tǒng),往往難以通過傳統(tǒng)的數(shù)理方法構(gòu)建其數(shù)學(xué)模型。通過設(shè)計(jì)合理的神經(jīng)網(wǎng)絡(luò),能夠使系統(tǒng)輸入-輸出樣本對(duì)進(jìn)行自學(xué)習(xí),從而以任意精度逼近復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)的這一優(yōu)良特性使其成為通用的多維非線性函數(shù)數(shù)學(xué)模型。

        (3)自適應(yīng)性。自適應(yīng)性包含自學(xué)習(xí)和自組織兩層含義。自學(xué)習(xí)是指當(dāng)外界環(huán)境發(fā)生改變時(shí),通過一段時(shí)間的訓(xùn)練或感知,神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)參數(shù),實(shí)現(xiàn)給定輸入樣本能夠產(chǎn)生期望的輸出樣本。自組織是指神經(jīng)系統(tǒng)在外部刺激下,根據(jù)一定規(guī)則調(diào)整神經(jīng)元間的連接,逐漸構(gòu)建神經(jīng)網(wǎng)絡(luò)。

        1.3 鉆孔數(shù)據(jù)預(yù)處理方法

        ①選擇Harr小波作為小波基,對(duì)鉆孔數(shù)據(jù)進(jìn)行三層小波分解;②分別采用軟閾值法和硬閥值法對(duì)分解后的每一層高頻系數(shù)進(jìn)行閾值量化處理,對(duì)比處理后的結(jié)果確定合適的閾值量化方法,并進(jìn)行信號(hào)重構(gòu);③通過BP神經(jīng)網(wǎng)絡(luò)對(duì)小波消噪后的數(shù)據(jù)進(jìn)行優(yōu)化,使得最優(yōu)擬合精度。

        1.4 插值方法有效性評(píng)價(jià)

        為了評(píng)價(jià)插值方法的質(zhì)量,本文將數(shù)據(jù)樣本總體分為兩組,一組作為觀測(cè)點(diǎn)(待估計(jì)點(diǎn)),另一組作為已知點(diǎn)。通過已知點(diǎn)對(duì)觀測(cè)點(diǎn)進(jìn)行預(yù)測(cè),采用均方誤差(MSE)[9]作為驗(yàn)證指標(biāo)。

        (6)

        均方誤差越小,預(yù)測(cè)值就越接近真實(shí)值,插值效果也就越好。

        2 應(yīng)用實(shí)例

        選取某露天礦的273個(gè)鉆孔品位數(shù)據(jù)進(jìn)行研究,選取253個(gè)樣本點(diǎn)作為插值的初始值,其余20個(gè)樣本點(diǎn)用來和插值結(jié)果進(jìn)行對(duì)照。對(duì)照時(shí),選用均方誤差對(duì)這兩種方法的結(jié)果進(jìn)行評(píng)價(jià)。使用SURFER的格網(wǎng)分析功能,采樣數(shù)據(jù)中品位作為Z值,存儲(chǔ)在Data中,選擇克里金插值。

        選擇Harr小波進(jìn)行消噪處理,3層分解結(jié)果如圖1所示。

        圖1 Harr小波三層分解

        小波消噪-神經(jīng)網(wǎng)絡(luò)鉆孔數(shù)據(jù)預(yù)處理后,采用克里金插值、SURFER處理,結(jié)果如圖2所示。圖2中顏色越深,表示品位越高,反之,品位越低。

        圖2 鉆孔數(shù)據(jù)預(yù)處理后的克里金插值

        未進(jìn)行鉆孔數(shù)據(jù)預(yù)處理的直接采用克里金插值,運(yùn)用SURFER處理,結(jié)果如圖3所示。

        對(duì)比圖2和圖3,可以明顯看出二者在品位空間分布的變化趨勢(shì)是一致的,但局部區(qū)域有一定的差異,相比處理前的克里金插值,采用鉆孔數(shù)據(jù)預(yù)處理的克里金插值在預(yù)測(cè)范圍上增加16.7%。

        鉆孔數(shù)據(jù)預(yù)處理前后的插值結(jié)果對(duì)比見表1。

        由表1可以看出,經(jīng)過鉆孔數(shù)據(jù)預(yù)處理的克里金插值法的均方誤差為2.368×10-8,優(yōu)于未進(jìn)行預(yù)處理的克里金插值,后者的均方誤差為5.185×10-8。說明鉆孔數(shù)據(jù)預(yù)處理能得到和觀測(cè)值最為接近的插值結(jié)果,證明利用小波消噪-神經(jīng)網(wǎng)絡(luò)進(jìn)行鉆孔數(shù)據(jù)預(yù)處理是有效的。

        圖3 未進(jìn)行鉆孔數(shù)據(jù)預(yù)處理的克里金插值

        表1 已知鉆孔的兩種插值結(jié)果對(duì)比

        3 結(jié) 論

        (1)地質(zhì)鉆孔數(shù)據(jù)由于受到噪聲干擾,直接運(yùn)用克里金插值會(huì)影響準(zhǔn)確性。小波變換是一種信號(hào)時(shí)頻分析方法,能夠有效地對(duì)信號(hào)進(jìn)行消噪;神經(jīng)網(wǎng)絡(luò)具有非線性和自適應(yīng)性,能夠?qū)ο牒蟮臄?shù)據(jù)進(jìn)行二次優(yōu)化。

        (2)以某鉬礦的鉆孔數(shù)據(jù)為例,通過對(duì)比,發(fā)現(xiàn)基于小波消噪和神經(jīng)網(wǎng)絡(luò)的鉆孔數(shù)據(jù)預(yù)處理能夠有效地提高克里金插值的精度。因此,在進(jìn)行克里金插值前,有必要進(jìn)行鉆孔數(shù)據(jù)預(yù)處理。

        [1] 劉 釗,謝穎立.用遺傳算法改進(jìn)模糊隸屬度克里金插值的研究[J].測(cè)繪科學(xué),2012,37(4):191-193.

        [2] 伍 偉,任卓雋,薛欣玲,等.曼家寨鋅礦體儲(chǔ)量基于克里金法的計(jì)算[J].礦業(yè)工程,2011,9(5):13-15.

        [3] 徐長(zhǎng)發(fā),李國(guó)寬.實(shí)用小波方法[M].武漢:華中科技大學(xué)出版社,2009.

        [4] 杜浩藩,叢 爽.基于MATLAB小波去噪方法的研究[J].計(jì)算機(jī)仿真,2003(7):119-122.

        [5] 王秀杰,練繼建,費(fèi)守明,等.基于小波消噪的混沌多元回歸日徑流預(yù)測(cè)模型[J].系統(tǒng)仿真學(xué)報(bào),2007,19(15):3605-3608.

        [6] 秦永寬,黃聲享,趙 卿.基于小波消噪和LS-SVM的混沌時(shí)間序列預(yù)測(cè)模型及其應(yīng)用[J].大地測(cè)量與地球動(dòng)力學(xué),2008,28(6):96-100.

        [7] 文 莉,劉正士,葛運(yùn)建.小波去噪的幾種方法[J].合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2002,25(2):167-172.

        [8] 孟召平,田永東,雷 旸.煤層含氣量預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型與應(yīng)用[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào),2008,37(4):456-461.

        [9] 武俊紅,汪云甲.基于Surfer的煤礦等值線空間插值方法有效性評(píng)價(jià)[J].中國(guó)礦業(yè),2007,16(1):108-110.

        Drilling Data Pre-processing Based on Wavelet De-noising and Neural Network

        Chen Jianjun1,2Hu Nailian1,2Li Guoqing1,2Ma Zhaoyang1,2

        (1.Civil and Environmental Engineering School,University of Science and Technology Beijing;2.State Key Laboratory of High-Efficient Mining and Safety of Metal Mines(Ministry of Education))

        Aiming at the problem of the system noise and measurement noise of geological grade information,a data pre-processing is proposed. The method adopts the time-frequency characteristics of wavelet de-noising to drilling data pre-processing, and then apply the nonlinear and adaptability of neural network to optimize it. The method is applied to the drilling data pre-processing in an open molybdenum ore, and grade estimation by Kriging interpolation. The results shows that,the effect of interpolation of the method is better than that without data pre-processing kriging interpolation method. It demonstrates that the method is feasible and effective.

        Wavelet de-noising, Neural network, Kriging method, SURFER

        *“十二五”863計(jì)劃項(xiàng)目(編號(hào):2012AA062200);國(guó)家自然科學(xué)基金項(xiàng)目(編號(hào):51104010)。

        2014-10-10)

        陳建均(1989—),男,碩士研究生,100083 北京市海淀區(qū)學(xué)院路30號(hào)。

        猜你喜歡
        閥值克里插值
        今晚不能去你家玩啦!
        我可以咬一口嗎?
        知識(shí)窗(2023年2期)2023-03-05 11:28:27
        光敏傳感器控制方法及使用其的滅蚊器
        傳感器世界(2019年6期)2019-09-17 08:03:20
        你今天真好看
        基于Sinc插值與相關(guān)譜的縱橫波速度比掃描方法
        你今天真好看
        讀者(2018年24期)2018-12-04 03:01:34
        基于小波分析理論的橋梁監(jiān)測(cè)信號(hào)去噪研究
        激光多普勒測(cè)速系統(tǒng)自適應(yīng)閥值檢測(cè)算法
        一種改進(jìn)FFT多譜線插值諧波分析方法
        基于四項(xiàng)最低旁瓣Nuttall窗的插值FFT諧波分析
        av天堂手机免费在线| 人妻av鲁丝一区二区三区| 粗大猛烈进出高潮视频| 久久久久久好爽爽久久| 最新亚洲精品国偷自产在线 | 伊人亚洲综合影院首页| 一区二区三区在线观看高清视频| 国产亚洲精品免费专线视频| 亚洲最大成人综合网720p| 欧美日韩精品一区二区视频| 亚洲精品中文字幕无码蜜桃 | 性做久久久久久免费观看| 狠狠色综合7777久夜色撩人| 又白又嫩毛又多15p| 亚洲日产无码中文字幕| 日韩中文字幕久久久老色批| 国产精品亚洲av无人区一区香蕉| 亚洲日本va中文字幕| 免费99视频| 91极品尤物在线观看播放| 日韩性感av一区二区三区| 97精品人妻一区二区三区蜜桃| 草草浮力地址线路①屁屁影院| 天美麻花果冻视频大全英文版| 亚洲欧美日韩国产精品网| 国产精品99久久不卡二区| av在线免费观看麻豆| 色五月丁香五月综合五月| 亚洲av理论在线电影网| 日本少妇爽的大叫高潮了| 就爱射视频在线视频在线| 久久精品国产字幕高潮| 欧美巨大xxxx做受l| 国产欧美另类精品久久久| 国产av一区二区日夜精品剧情 | 久久人人爽爽爽人久久久| 少妇性饥渴bbbbb搡bbbb| 精品乱码一区二区三区四区| 国产真实乱XXXⅩ视频| 亚洲综合天堂av网站在线观看| 天天躁夜夜躁狠狠躁婷婷|