基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法(PSO)优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。     

基于BP神经网络的采煤工作面瓦斯涌出量预测

在建立基于BP网络采煤工作面瓦斯涌出量预测模型的基础上,结合样本数据,采用经验公式与MATLAB程序相结合的方法,自动选取了预测模型隐含层的最佳节点数;分别采用3种改进的BP算法对网络模型进行了训练,结果表明Levenberg-Marquardt算法的训练误差最小,收敛速度最快;通过对预测模型的训练及仿真,证明了该模型精度高,完全能够满足工程实际应用的要求。     

基于遗传算法和BP神经网络岩爆预测

将BP神经网络与遗传算法相结合,使用遗传算法优化神经网络的权值和阈值,然后用BP算法训练网络,避免了单独使用BP神经网络训练时易于陷入局部极小值的问题,建立了一种新的岩爆预测模型。采集国内外具有代表性的一些岩爆案例作为BP训练样本,将样本数据经过多次迭代之后,达到指定误差停止训练,利用训练好的模型对某铜矿部分岩爆进行预测,预测结果与实际岩爆等级一致。     

基于改进BP神经网络的孔板应力集中系数预测

在正交试验和无网格法数值计算结果的基础上,针对常用BP算法的不足,采用动量因子与自适应学习速率相结合的改进BP神经网络方法,建立了孔板应力集中系数预测模型。经过计算结果的检验,表明该模型是可行的,对今后孔板应力集中系数预测具有借鉴意义。     

灰色系统理论与GA-BP网络模型在导高控制和预测中的应用

利用灰色系统理论对各主要地质采矿因素与导水裂隙带发育高度关联度计算排序,得到影响因素的主次顺序,分别建立了BP神经网络和基于遗传算法优化的BP神经网络预测模型,将2种模型预测结果与实测结果对比分析。     

煤灰软化温度建模与预测

基于Elman网络建立了煤灰软化温度预测模型,该模型以煤灰成分为输入向量,以煤灰的软化温度为输出向量。为了选取最优预测模型,分别讨论了输入向量维数、隐含层单元数以及激励函数对模型预测结果的影响。使用获得的最优网络模型对测试样本进行测试,结果表明该模型的预测精度高于常规BP网络。由所建最优预测模型可知,存在一个最优的煤灰成分分析数量。     

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。     

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。     

基于PSO-BP的矿井淋水井筒风温预测

为解决矿井井底风流温度预测的问题,采用BP神经网络为模型,利用PSO算法优化网络权值和阈值,建立了一种新的井底风温预测模型,并用Matlab编程实现。通过对淮南某煤矿井底风温影响因素的分析得出地面入风口处风流温度、湿球温度,地面大气压力及井底湿球温度等因素的影响力较大。应用PSO-BP模型与BP模型对数据分别进行测试并分析,结果表明,该模型具有收敛速度快、预测精确度高,是求解井底风温非线性变化规律的最有效方法之一。     

综采工作条件下覆岩导水裂隙带高度预测模型优化

准确预测导水裂隙带高度是煤炭防治水中的重要问题,也是保障煤矿安全生产的前提。目前,导水裂隙带高度预测模型存在预测准确性差等问题。在广泛收集各地不同煤矿区综采导水裂隙带发育高度实测数据的基础上,总结前人研究成果,选取采厚、工作面斜长、倾角、采深和硬岩比例系数5个因素建立导水裂隙带高度预测模型。同时,采用因素分析法分析了影响因素的权重,确定主控因素,并建立多元线性回归模型、多元非线性回归模型及BP神经网络预测模型,并对预测模型计算导水裂隙带高度进行准确性检验。以西山矿区实测导水裂隙带高度为例,选出最优模型,对最优预测模型BP神经网络模型进行检验分析,并与“三下”规范经验公式、多元线性回归模型和多元非线性回归模型计算结果进行对比。结果表明,“三下”规范经验公式与实际数据存在失真,已不能指导综采条件下导水裂隙带高度预测,而BP神经网络预测模型误差在10%以内,且绝对误差和相对误差较为稳定,同时该模型降低了因素之间的相关性,提高了预测准确性。因此,BP神经网络预测模型在预测导水裂隙带高度方面具有较好的准确性和应用性。研究成果可为指导矿井现场防治水害的工作提供参考建议。     

基于BP网络预测建模中的早终止方法及其矿业应用

为克服基于ＢＰ网络的实用预测建模中,盲目地过多训练网络所造成的网络“过度拟事”问题,本论述采用“早终止”方式的基于ＢＰ网络的预测建模方法,并以一选矿建模实例来说明这种方法的应用及“早终止”方式的具体实施途径。     

基于BP神经网络的磨机调心滚子轴承故障诊断研究

对BP神经网络在磨机滚动轴承故障诊断的模式表达及相关参数等问题进行了初步研究 ,并利用BP网络对轴承的 4种故障模式进行训练学习和诊断 ,取得了满意的效果。结果表明 :BP神经网络是解决轴承故障诊断中复杂的状态识别问题的一种有效工具。     

基于遗传神经网络的龙煤矿业集团销售量预测研究

将遗传神经网络应用到龙煤矿业集团销售量预测中,预测采用三层前馈BP神经网络,利用遗传算法对神经网络初始权值进行优化,实际数值计算表明该算法在龙煤矿业集团销售量预测中的学习速率和精度都比单纯BP神经网络得出的结果好,适合于销售量预测。     

基于巷道摩擦阻力系数BP神经网络预测模型的矿井风网风量预测研究

针对矿井风网解算中待掘巷道摩擦阻力系数难以准确实测赋值的问题,构建了巷道摩擦阻力系数BP神经网络预测模型,以双柳煤矿各类巷道摩擦阻力系数实测数据作为训练样本进行学习训练,使预测模型的期望误差达到0.0001以下。利用该模型对尚未贯通的23(4)13回采工作面的巷道摩擦阻力系数进行预测,将预测结果代入基于斯考德—恒斯雷法风网解算方法构建的双柳煤矿通风网络解算模型中,分别对23(4)13回采工作面贯通后备用阶段和回采阶段全风网风量分布进行了解算,解算结果与现场实测结果之间相对误差小于8%。研究结果表明,利用基于BP神经网络算法的巷道摩擦阻力系数预测模型对待掘巷道摩擦阻力系数进行预测赋值,能够实现风网风量的准确解算。     

矿井通风网络模糊优化数学模型及其数值解法

在矿井通风网络非线性规划模型基础上 ,提出了矿井通风网络模糊优化数学模型 ,为使矿井通风网络分析过程和分析结果更加符合工程实际情况提供了一条新途径。介绍了所提出的模糊优化问题的数值解法以直接搜索为出发点 ,加快并简化了求解优越支集问题 ,程序简单 ,计算时间省 ,给出了算法原理 ,并用实例进行了计算 ,结果令人满意     

基于BP神经网络的液压支架控制器通信网络效能预测

针对综采工作面液压支架控制器通信网络效能与其影响因素之间的复杂非线性关系,将多层前馈型BP神经网络引入支架控制器通信网络效能预测中,构建了通信网络效能预测指标体系,设计了通信网络效能BP预测模型,并采用C++语言编制了相应的预测分析程序。通过对预测模型学习与训练,成功建立了液压支架控制器通信网络效能与其影响因素之间的对应关系。     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

基于BP神经网络的动力煤质量评价

介绍了基于BP神经网络的动力煤质量评价方法,阐述了基本原理和算法步骤。利用BP算法对训练样本进行学习,确定评价模型,进而利用训练好的网络对评价样本进行评价,并与模糊评判结果对比,得出了评价结果。