数学建模竞赛CT3837287027581_修改.docxVIP

五一数学建模竞赛

承诺书

我们仔细阅读了五一数学建模竞赛的竞赛规则。

我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。

我们授权五一数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。

参赛题号（从A/B/C中选择一项填写）：C

参赛队号：T3837287027581

参赛组别（研究生、本科、专科、高中）：本科

所属学校（学校全称）：大连理工大学

参赛队员：队员1姓名：

队员2姓名：

队员3姓名：

联系方式：Email：a100518791@联系电话：

日期：2024年5月3日

（除本页外不允许出现学校及个人信息）

五一数学建模竞赛

题目：煤矿深部开采冲击地压危险预测的选题研究

关键词：多维泰勒网；干扰信号；SARIMA模型；卷积神经网络；特征提取

摘要：

本文针对煤矿深部开采冲击低压的危险预测问题，采用多维泰勒网的时间序列预测模型、SARIMA模型和卷积神经网络等方法，借助MATLAB等软件首先提取了干扰信号数据的特征信息，并对干扰信号所在的时间区间进行了识别；其次通过提取前兆特征信号数据的特征信息，预测了其变化趋势，并对前兆特征信号所在的时间区间进行了预测识别；最后预测了每个时间段最后时刻出现前兆特征数据的概率，旨在为保障煤矿安全生产提供一定的理论参考和实践指导。

针对问题一，基于干扰信号特征提取及时间区间的预测识别问题。首先，提取附件1-2数据，通过对原始数据集进行预处理，其次根据不同的情况采用分箱、等方法处理，对分类变量进行编码，并对数据进行归一化处理。然后根据干扰信号数据的特点构建多维泰勒网的时间序列预测模型，提取干扰信号数据的特征见REF_Ref165590664\h图6，得到干扰信号数据的显著性特征为幅度前兆度、频率偏差度、信号失真度及年周期性。预测得到最早发生干扰信号所在的时间区间如REF_Ref165571020\h表5-6所示。此外，对预测结果进行可视化处理如REF_Ref165567757\h图7所示，从电磁辐射和声发射序列预测图中可以看出，模型对数据拟合的吻合都非常好。

针对问题二，基于前兆信号变化趋势及时间区间的预测识别问题。首先，本文采用季节性自回归移动平均（SARIMA）模型对前兆特征进行了深入的特征提取，基于建立的季节性时间序列模型提取前兆特征数据的特征如REF_Ref165594590\h图10所示，确定前兆特征数据的显著性特征信息为幅度前兆度、频率偏差度、信号失真度及年周期性。其次在模型构建过程中，进行了参数估计，并对残差及拟合优度进行了检验，以确保模型的泛化能力和准确性。然后通过模型优化处理，成功提取出了前兆特征数据信号的变化趋势，如REF_Ref165575524\h图9所示。最后得到电磁辐射和声发射最早发生前兆特征信号所在的时间区间见REF_Ref165594768\h表9-10。

针对问题三，基于出现前兆特征数据的概率预警问题。首先，本文应用卷积神经网络（CNN）构建前兆特征识别与危险概率预测模型。然后通过将离散数据特征扩展到连续时间数据序列，得到基于递归神经网络模型的前兆特征识别如REF_Ref165600784\h表12所示。其次，通过设置不同的数据预处理参数、卷积神经网络参数以及池化层的引入对特征识别结果AUC值进行模型校准，实验结果如REF_Ref165600921\h表13所示。其中特征识别结果的最高AUC值为0.790，以及相应的最高特征识别结果