科研之友
微信
新浪微博
Facebook
分享链接
摘要
矿区地质条件复杂，高效、准确的陷落柱识别至关重要。在传统方法中，解释陷落柱最常采用的是人机交互解释方法，但随着勘探规模的扩大、生成数据的不断积累，传统的人工解释陷落柱已满足不了实际生产需要。为了提高陷落柱的识别精度，提出了CINet(Collapse Column Identification Network)网络模型，把自动识别陷落柱的方法看作二分类问题，在深度学习算法残差网络的基础上对残差模块进行改进，构建出新的网络模型CINet，引入平衡交叉熵损失，解决数据中陷落柱与非陷落柱比例高度不平衡问题，使模型朝着正确的方向收敛。通过模型的预测结果与实际数据比对表明，相比于传统的机器学习和残差网络模型，CINet网络模型可以从原始数据中学习到更加详细的特征信息，提高陷落柱的识别精度，F1评分可以达到91.10%，实现了陷落柱快速精准识别，对预防地质灾害的发生具有较好的指导作用。
- 单位
