基于人工神经网络的矿山综合经营效果分类

建立了矿山综合经营效果分类指标体系，并根据具体情况对各指标进行了量化。利用BP人工神经网络建立了矿山综合经营效果的分类模型，利用改进学习算法对BP网络进行训练，并利用训练网络模型对实际矿山进行了分类。     

人工神经网络故障诊断及应用

人工神经网络故障诊断及其应用本文阐述了用人工神经网络模型诊断减速机滚动轴承故障的方法，建立诊断用的BP网络模型，并对网络模型进行了试验验证     

神经网络模型及其在煤矿瓦斯预测中的应用

瓦斯事故是煤矿人员伤亡最多、影响最大的事故。准确预测瓦斯是防止事故、降低损失的基础。人工神经网络由于具有建模能力强，计算准确度高，善于处理模糊的、非线性的、含有噪声的数据等特点，能很好地解决瓦斯预测中的实际问题。简单介绍了神经网络的基本原理和学习算法，建立了基于该原理的BP应用模型，并通过实例进行了验证。     

应用神经网络进行切口表面质量预测

主要叙述了人工神经网络理论在磨料水射流切割技术中的应用。以人工神经网络中的误差后向传播 (BP网络 )理论为基础 ,对磨料水射流切口表面质量进行数学建模 ,再借助MAT LAB工具对数学模型进行求解 ,最终设计出具有较好性能的网络结构。使用训练后的网络模型对磨料水射流切口表面质量进行预测得到较好的效果 ,为试验和生产带来了方便     

矿井通风系统评价的人工神经网络模型

建立了矿井通风系统评价的人工神经网络模型。在１３个金属矿山的实际应用表明，该评价方法简单、实用。     

运用BP人工神经网络设计变形预报模型

BP人工神经网络是应用最广泛的人工神经网络之一,运用Matlab神经网络工具箱设计BP神经网络,建立变形监测预报模型是本文探讨的课题。文中对BP网络的结构框架、本质进行了介绍,对运用Matlab工具箱建立模型的思路以及需要注意的问题进行了阐述,最后结合工程实例建立的模型进行了实际验证,并得出了一些有益的结论。     

神经网络在煤低温自燃实验炉建模中的应用

将人工神经网络的非线性特性和信息的分布性用于煤低温自燃实验炉的模型辩识，结果表明，用人工神经网络来建立非线性静态模型是可行的，从而为煤低温自燃过程的建模提供了一条新的途径。     

信息窗口

人工神经网络在煤矿开采沉陷预计中的应用研究—曹丽文等中国矿业大学学报，. 2002（）1提出了利用人工神经网络技术进行开采沉陷定量预测的新方法。研究了影响因素的选取、开采沉陷预计模型建立以及应用等问题。采用神经网络算法对开采沉陷进行BP了建模和预测。结果表明，用神经网络模型对复杂的开采 沉陷系统进行模拟预测，具有理论上的可行性和现实意义，说明人工神经网络技术在开采沉陷预计领域中具有实用价值。采动覆岩力学模型及断裂破坏条件分析—康建荣等《煤炭学报》，（） .20021根据覆岩破坏的机理建立了采动覆岩初次断裂前、…     

BP神经网络煤自燃危险等级测评模型的研究及应用

基于煤自燃机理和自燃的各影响因素的综合分析，研究应用人工神经网络实现矿井自燃危险等级评测。通过建立矿井煤自燃发火等级测评指标体系和BP网络测评模型，采用现场实际数据对神经网络模型进行训练，训练校验结果表明该模型能较准确评测矿井自燃发火等级。针对赵各庄矿的实际情况进行了应用，测评误差满足实践要求。     

煤质近红外光谱分析过程中预处理方法及模型的选择

通过对沈海热电厂、阜新、抚顺等数处电厂锅炉用煤的近红外光谱建模实验,发现电厂入炉煤粉中的水分、灰分、挥发分和发热量等工业指标预测所采用的模型及其预处理方法直接关系到建模效果的优劣.预处理方法包括平滑处理、数据标准化、微分处理、信号校正等.建模过程中使用移动窗口PLSR、误差反向传播人工神经网络、径向基人工神经网络,发现除水分模型外在全光谱下采用FFT系数作为输入变量的径向基网络效果为最优.根据所得的预处理方法对部分煤粉工业分析进行预测,证实基于偏最小二乘回归分析煤粉工业分析的近红外光谱建模的重复性较好,其模型具有较高的应用价值.     

基于神经网络时间序列的煤炭自燃预测研究

依据神经网络建模的原理,提出了一种基于神经网络的时间序列预测方法,并通过在山东枣庄矿业集团公司柴里煤矿进行的预测分析,验证了预测方法的有效性。为解决煤炭自燃的预测提供了一条良好的思路和方法,具有较大的理论意义和应用价值。     

神经网络计算在采场结构参数分析中的应用

综述了岩土工程结构分析和设计中神经网络计算研究的现状与趋势,指出了进一步发展神经网络计算的策略及方向,分析了神经网络计算在岩土工程结构分析中的应用原理和基本BP神经网络计算的材料的本构模型,并将神经网络计算方法应用于新城金矿地下采场结构参数分析和设计过程中,结构表明,神经网络计算是岩土地下工程结构分析中一种很有发展潜力的新方法。     

Study on optimization control method based on artificial neural network

Introduction A great number of goal optimization questions exist in such fields as electronic science, control sci-ence, computer science and management science. So-lution to these questions can be summed up as seeking the maximum or minimum value to a certain definite goal function with constraints. Effective algorithms have not been found for many questions. In solving problems the problems’ time complexity is exponen-tial, it is difficult to find an overall optimized solution in limited ti…     

基于改进粒子群优化RBF神经网络的轧制力预报

依据RBF神经网络的非线性逼近能力和自学习特性, 提出基于RBF神经网络的建模方法。将最近邻聚类用于RBF神经网络隐层中心向量的确定, 并采用改进粒子群算法对最近邻聚类的聚类半径进行优化, 合理确定了RBF神经网络的隐层结构, 提出了一种基于改进粒子群算法的RBF神经网络(IMPSO-RBF)。将该网络应用于轧制力的预报, 与基本粒子群算法优化的RBF神经网络比较, 仿真结果表明其在预报精度和收敛速度上都有很大提高。     

基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

基于RBF神经网络的瓦斯涌出量预测

传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。     

基于BP神经网络的底板破坏深度预测

在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国典型突水案例,构建基于BP神经网络的底板破坏深度的预测模型,确定建立BP神经网络所需的输入样本和检验样本,运用Matlab软件对网络进行训练,得出了优化的网络模型,并根据建立的网络模型预测肥城煤田曹庄井田8812和9604工作面的底板破坏深度.通过与实测结果对比,证明该网络模型的计算结果比相关规程提供的底板破坏深度经验公式计算的结果更接近实际.     

基于测井参数的煤系烃源岩总有机碳含量预测模型

复杂沉积环境下,烃源岩物性差异较大。经相关性分析揭示了煤系烃源岩TOC含量与各测井参数间存在相关性差异较大、各测井参数间含有互相关关系的特点。采用平均影响值(MIV)方法对测井参数进行筛选,筛选后的测井参数进入最终的BP神经网络建模,从而有效地规避了测井信息间的非相互独立性导致的模型预测误差增大及建模时间增加。依据研究区实验分析的TOC含量数据,分别建立适用于煤系烃源岩的Δlog R,BP神经网络和遗传算法(GA)优化的BP神经网络TOC含量预测模型。对模型试算分析,结果表明:GA改进后的BP神经网络模型预测效果最好,稳定性强,受烃源岩非均质性影响程度小,可以精细地反映煤系烃源岩TOC含量的细微变化。     

人工神经网络在材料研究中的应用

人工神经网络技术广泛应用于复杂系统的建模中,已成为材料科学研究中常用的建模方法;文中介绍了人工神经网络及其在材料成分配比预测、材料性能预测、工艺设计与优化、损伤预测与检测等方面的研究情况。