BP神经网络在边坡稳定性预测中的应用

对BP神经网络的基本知识进行了简单介绍,并以BP神经网络为基础建立了边坡稳定性预测的数学模型,利用MATLAB的神经网络工具箱模拟了边坡稳定性的预测,结合收集到的边坡实例进行训练。结果表明,BP神经网络对边坡稳定性预测结果与实际符合,能够满足工程需要。表明应用BP神经网络进行边坡稳定性的预测是可行的。     

人工神经网络在边坡稳定性预测中的应用

对人工神经网络及BP神经网络的基本知识进行了介绍,并以BP神经网络为基础建立了边坡稳定性预测的数学模型,利用MATLAB的神经网络工具箱实现了边坡稳定性的预测,通过收集到的边坡实例进行训练。结果表明,利用BP神经网络对边坡稳定性进行预测,预测结果与实际相吻合,能够满足工程需要,说明应用BP神经网络进行边坡稳定性的预测是可行的。     

用L-M法改进的BP神经网络评价边坡稳定性

根据人工神经网络理论,采用L-M算法,对BP神经网络的性能进行改进,建立了边坡稳定性评价模型,并在MATLAB下运行实现。通过对检验样本的预测,验证了模型的可靠性,进而应用此模型对一露天矿边坡进行稳定性评价,并与简化毕肖普方法进行了比较。计算分析表明,基于L-M算法改进的BP神经网络收敛速度快、计算精度高、泛化能力强,可以作为评价边坡稳定性的一种方法。     

基于灰色—BP神经网络组合模型的边坡稳定性预报方法

在前人研究成果的基础上,研究BP神经网络模型和灰色系统理论的原理,依据它们的适用条件及优缺点,对同一已知边坡取不同样本区间建立GM(1,1)模型,得到不同的预测结果。将多个灰色预测的结果作为输入变量,使用BP神经网络进行组合,输出组合预测结果。提出基于灰色神经网络范例推理的边坡稳定性评价方法,针对边坡稳定性影响因素的复杂多变性和相当强的不确定性,建立了边坡范例检索模型。通过对边坡稳定性因素的灰色模型预处理,以及边坡范例的神经网络学习,最终实现边坡稳定性评价。     

基于PSO-BP神经网络的边坡稳定性模型研究

为了对边坡的稳定性进行分析,以黏聚力、内摩擦角、边坡倾角、坡体的容重、边坡高度、孔隙压力比6个主要影响因素作为边坡稳定性的判别指标,利用粒子群算法优化BP神经网络的权值和阀值,建立边坡稳定性的PSO-BP模型,并对5个边坡的稳定性进行分析,预测的平均误差达到1.98%,预测效果较好。结果表明,PSO-BP神经网络模型较传统的BP神经网络模型精度更高,收敛速度更快。     

深凹露天矿山岩质高陡边坡稳定性预测

结合大冶铁矿东露天高陡边坡,运用线性和非线性方法研究了岩质高陡边坡的稳定性预测模型。首先采用岩质边坡稳定性分析复合指标对边坡岩体质量进行分级;在此基础上,分别运用多元线性回归和BP神经网络方法研究边坡稳定性预测模型,并将其结果与极限平衡分析方法进行对比。结果表明,边坡稳定性与其影响因素之间存在着复杂的非线性关系,应用BP神经网络方法预测露天矿山高陡岩质边坡稳定性是有效的、可行的。     

PCA和GA-BP神经网络在边坡稳定性预测中的应用

针对现有边坡稳定性预测模型存在的不稳定性和精度不高的问题,采用主成分分析方法 PCA和遗传算法GA对传统BP神经网络模型进行优化。PCA方法将露天矿边坡稳定性的6个评价指标转换为4个主成分,作为BP神经网络的输入变量;遗传算法对神经网络的初始权阈值进行了筛选优化。经优化后的模型既减少了神经网络的输入变量,提高了学习训练效率,又使得传统BP神经网络模型的精度大大提高。最后将PCA-GA-BP模型、GA-BP模型和传统BP模型得到的预测结果进行对比和误差分析。结果表明,基于PCA-GA-BP神经网络模型的预测精度较好,对露天矿边坡稳定性的预测具有一定的参考价值。     

基于灰色神经网络的边坡稳定性预报方法研究

本文在前人研究成果的基础上,研究了BP神经网络模型和灰色系统理论的原理,依据其适用条件及优缺点,对同一已知边坡取不同样本区间建立GM(1,1)模型,得到不同的预测结果。将多个灰色预测的结果作为输入变量使用BP人工神经网络进行组合,输出组合预测结果。提出了基于灰色神经网络范例推理的边坡稳定性评价方法,针对边坡的稳定性影响因素的复杂多变性和相当强的不确定性,建立了边坡范例检索模型,通过对边坡稳定性因素的灰色模型预处理,以及边坡范例的神经网络学习,最终实现了当前边坡的稳定性评价。     

用BP神经网络分析露天矿边坡的稳定性

影响露天矿边坡稳定性的因素十分复杂,有些因素对边坡的影响程度很难确定,用神经网络分析露天矿边坡的稳定性逐渐受到人们的重视.本文考虑了岩体的粘聚力、摩擦角、客重和水压力比对露天矿边坡稳定性的影响,并通过实例分析比较,说明BP神经网络方法用于露天矿边坡稳定性分析的可行性.     

BP神经网络在露天矿边坡稳定性分析中的应用

对边坡进行稳定性分析是治理边坡工程的基础,正确确定露天矿边坡稳定性对于露天矿山工程具有非常重要的意义。本文在分析国内外大量露天矿边坡稳定性研究成果的基础上,采用改进的BP神经网络算法建立了露天矿边坡稳定性分析的神经网络预测模型,并对模型的预测精度进行了验证,结果表明,实际输出与期望输出基本吻合。将所建立的网络模型应用某露天矿边坡稳定性预测,取得了较好的效果。     

基于神经网络铀矿边坡稳定性分析

如何能比较准确地预测滑坡的发生,已成为各矿山开采过程中的难题之一。对人工神经网络及BP网络模型作了简要的介绍,分析BP网络的结构特点、参数选择、数据收集与处理、构造网络模型等问题之后, 以中核金安铀矿的边坡稳定状况为学习训练样本及预测样本, 建立了预报模型。讨论了基于BP神经网络技术的边坡岩体稳定性分析方法及其有效性。实例计算表明,通过样本的训练检验,利用人工神经网络方法对边坡稳定性的预测取得了比较满意的效果,为今后此类边坡稳定性的评价提供了可借鉴的方法。为神经网络在矿山边坡稳定性的应用提供了可行性。     

BP神经网络在魏家峁露天煤矿的应用

介绍了人工神经网络技术中的BP神经网络的工作原理、基本算法,以及网络的设计,并列举了BP神经网络在露天矿产量预测、边坡稳定性、露天矿边坡角的确定等工程实践中的应用,预测结果与实际情况较相似,具有一定的科学性。     

BP网络在露天矿边坡角优化中的应用

基于影响边坡稳定性的主要自然和工程因素,运用BP神经网络预测岩质边坡的稳定性,经大量样本进行网络训练,得出可靠的BP网络模型,预测露天矿最终边坡的最优化角度,并将结果与多元线性回归的预测角度比较。研究表明神经网络法具有精度高、收敛速度快、容错能力高等特点,能够满足实际工程的需要,是有一定实用价值和参考价值的边坡稳定性预测方法。     

改进的BP神经网络在边坡稳定性评价中的应用

本文利用人工神经网络的非线性映射能力,在考虑影响边坡稳定性的各种因素的基础上建立了边坡稳定性评价的BP神经网络模型。经过计算结果的检验,证明该模型是可行的,对今后边坡稳定性预测具有借鉴意义。     

基于GA-BP模型的露天矿边坡稳定性预测

针对现有研究方法在预测露天矿边坡稳定性时存在适用性不强和误差大的问题,基于遗传算法对BP神经网络进行改进,提出一种露天矿边坡稳定性预测模型。该模型以坡体容重、黏聚力、内摩擦角、边坡倾角、边坡高度和孔隙压力6个参数为输入变量,以安全系数为输出变量,随后利用该模型对露天矿边坡的实例进行分析,与传统BP神经网络预测模型性能进行比较。研究结果表明:GA-BP模型在进行露天矿边坡稳定性预测时效果好,具有误差小和计算精度高的优点,为准确预测露天矿边坡稳定性提供了一种新的方法。     

基于RBF神经网络的露天边坡优化设计方法

建立了岩质边坡稳定性定量评价的径向基函数(RBF)神经网络模型,避免了BP网络收敛速度慢的不足。提出了基于RBF神经网络的露天边坡优化设计方法,并将其应用于水厂铁矿边坡优化设计中,取得了良好的效果。     

用神经网络分析露天矿边坡稳定性

影响露天矿边坡稳定性的因素十分复杂，有些因素对边坡的影响程度很难确定，用神经网络分析露天矿边坡的稳定性逐渐受到重视。考虑了岩体的结构面倾角、中间结构面长度、粘聚力、摩擦角、重度和水压力比对露天矿边坡稳定性的影响，并通过49个算例的分析比较，说明BP神经网络方法用于露天矿边坡稳定性分析的可行性。     

综合改进BP神经网络在边坡稳定性预测中的应用

针对标准BP神经网络存在收敛速度慢和易陷入局部最小值的问题,提出用附加动量法和自适应学习速率法来优化BP神经网络,提高其收敛速度;引入具有全局搜索能力的模拟退火算法,克服其容易陷入局部最小值问题。应用综合改进后的BP神经网络对已知的实际边坡进行了预测,并将其预测结果与标准BP神经网络和实际值进行对比分析。结果表明:综合改进后的BP神经网络在边坡稳定性预测具有较好的预测效果,与标准的BP神经网络相比,不仅提高了计算速度,而且较大地提高了预测精度,具有较好的应用前景。     

边坡稳定性评价中的改进BP神经网络

根据人工神经网络理论，对BP神经网络的性能进行改进，建立边坡稳定性分析模型，通过对搜集到的边坡稳定性实例进行学习和预测，能够快速准确地对边坡的稳定性进行分析评价。     

露天矿高陡边坡变形预报的最优LMBP算法研究

为提高BP神经网络在露天矿高陡边坡变形监测数据预测的精度与可靠性,建立了基于LM算法改进的LMBP神经网络预测模型。以某露天矿边坡监测数据为样本,构建了LMBP最优网络拓扑结构,通过MATLAB编制程序进行了网络训练和预测,应用结果表明:LMBP神经网络具有良好的函数逼近能力及较快的网络收敛能力,且该模型计算结果较为精确,预测精度较高。