基于灰色BP神经网络的水位矿井涌水量预测

在对矿井涌水资料总结分析的基础上,结合背景资料和灰色关联度分析新集二矿涌水量与长观孔水位的关系,将关联性好的4个钻孔水位作为BP神经网络的输入神经元进行建模预测,结果表明,基于灰色关联度的神经网络模型预测矿井涌水量精度较高,以水位作为输入神经元是可行的,为矿井涌水量预测提供了一种新思路、新方法。     

基于BP神经网络的矿井小构造预测

阐述了矿井小断层水平延展长度预测BP网络模型的构建、训练及模拟方法,在总结小断层落差、断层的走向、断层的倾角及断层的倾向等影响因素的基础上,结合赵官井田主采7#煤层典型样本数据,运用Matlab软件来建立网络预测模型,并对该煤层2713和2712 2个工作面的小断层水平延展长度进行预测,发现该网络模型的预测结果与实测结果更接近。     

基于BP神经网络的露天边坡角预测

针对广东泥竹塘铁矿露天边坡稳定性问题,为了获得矿山的稳定露天边坡角,研究使用BP神经网络进行预测分析。在预测过程中,以边坡岩体质量系数、岩体综合抗压、抗拉强度、内聚力、结构面力学特性、边坡高度及岩体密度等7个指标为输入因子,综合国内矿山27组露天矿山现场数据,建立网络学习、训练样本库,从而实现泥竹塘铁矿稳定露天边坡角的预测。结果表明,露天边坡角的BP神经网络预测模型最大误差小于3%,训练输出误差较小,精度较高,得到的泥竹塘露天铁矿上盘最终边坡角的预测值为42.8°,上盘最终边坡角的预测值为40.1°。多年的生产实践表明,该预测成果与实际基本相符,可为今后类似工程提供参考。     

基于BP神经网络的炼焦煤质量预测研究

焦炭的质量对高炉冶炼的生产有着重要的影响,为了解决焦炭质量预测问题,提出了基于BP神经网络的质量预测算法,文中详细阐述了该模型的建立过程和实现方法,同时也给出了在进行模型处理的时候数据预处理的方法。利用人工神经网络对非线性问题的模拟能力,构建了焦炭质量预测模型,测试结果表明在100组不同类型的焦炭质量预测分析中,质量预测的精度达到了95%。     

基于遗传算法—BP神经网络的突出强度预测

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。     

基于BP神经网络的巷道围岩塑性区半径预测

影响巷道围岩塑性区半径的因素很多,文章归纳总结了巷道围岩塑性区半径的7个主控因素,构建了基于BP神经网络的巷道围岩塑性区半径预测模型,并对赵固二矿11021回风巷和11030运输巷塑性区半径进行预测。结果表明,在11021回风巷和11030运输巷,模型预测值与实测值相对误差分别为7.7%和8.3%,远比理论计算获得的结果更加接近实测值,建立的基于BP神经网络的巷道塑性区半径预测模型取得了良好的效果。     

基于BP神经网络的拉斗铲生产能力预测

在分析拉斗铲生产能力影响因素的基础上,选取实动时间、炸药单耗和采装周期3个因素作为BP 神经网络的训练参数建立BP神经网络预测模型,并利用MATLAB实现网络的训练和预测。预测结果表明,BP神经网络能够较好地预测拉斗铲的生产能力,预测输出与实际输出之间的相对误差一般小于10%,预测精度达到了工程要求。     

基于BP神经网络的矿井摩擦阻力系数预测

为克服传统的矿井巷道摩擦阻力系数测试方法工作量大、效率低等缺点,以摩擦阻力系数理论为基础并结合现场实际资料分析,归纳出影响矿井巷道摩擦阻力系数的主要因素：巷道断面积、巷道周长、巷道支护方式和巷道断面形状。构建基于BP神经网络的摩擦阻力系数预测模型,选取典型数据作为BP神经网络的学习样本和测试样本,运用Matlab软件进行网络训练,得到优化的网络模型。利用优化的网络模型对板石矿和大明一矿随机测点进行摩擦阻力系数预测,预测值与实测值误差不超过10%,表明该网络模型的预测结果具有较高的可靠性和工程实践价值。     

综采工作面生产指标预测的改进型BP神经网络

应用几种改进ＢＰ算法,提高了ＢＰ神经网络的收敛速度与稳定性,详细描述了神经网络预测产量及工效的求解机理与具体实施步骤,重点研究了网络学习前后的数据处理工作、网络结构的确定方法以及网络合理的学习步数。     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

基于BP网络的矿井安全状况综合评价的研究

针对目前煤矿安全状况方面存在的问题,以矿井安全为研究对象,建立了煤矿安全状况综合评价的指标体系;运用层次分析法确定指标及准则层的权重,并运用模糊综合评价法生成评价样本集.最后,利用样本训练BP网络,待误差满足要求后,即可运用训练成功的BP神经网络,进行矿井安全状况综合评价.     

基于BP神经网络的沉积岩型矿山爆破开采成本的预测与控制模型

为改善新疆某铅锌矿采用无底柱分段崩落法开采的爆破效果及降低爆破开采成本,本文从该矿区特殊的地质条件和现有的开采技术水平出发,利用人工神经网络建立爆破过程中采矿成本的预测与控制模型,对单位炸药消耗量、扇形深孔排距、孔底距、崩矿步距等爆破参数进行优化试验。试验与模型预测结果表明：炸药单耗为0.85 Kg/m3、排距为1.75m、孔底距为2.1m、崩矿步距为5.25m时能够取得最佳效益;利用BP神经网络对采矿成本的预测与控制模型的方法,可准确地对爆破参数进行优化,为爆破开采参数优化设计提供新思路。     

基于时序-神经网络模型的我国石油消费预测

对我国石油消费进行预测和研究,有助于提高石油生产、进口及消费的合理性。本文采用BP神经网络预测方法,建立时序-神经网络预测模型,并取我国往年石油消费量中两次不同的样本预测我国2010-2012年的石油消费量,对两次实验结果进行比对。结果表明,该模型具有较好可行性,用近些年数据作为样本得到的预测结果更接近前几年石油消费量的变化趋势,可为石油需求规划提供参考依据。     

基于模糊BP神经网络的地下金属矿山岩层移动范围研究

地下金属矿山岩层移动的的影响因素复杂多变，而且具有很大的模糊性，用其他方法来研究岩层移动范围存在很大的困难，本文提出采用模糊BP神经网络方法进行地下矿山岩层移动范围预测。结果表明，选取的各因素之间与岩层的移动之间存在着较强的非线性规律，学习结果与期望结果基本吻合，进而从理论上证明移动角的大小与选取因素有着密切的联系，可以预测由于开挖引起的岩层和地表移动范围问题。     

基于BP神经网络的我国海外矿业投资金融风险预警分析

首先对海外矿业投资的金融风险因素进行了识别,并结合Delphi法建立了相应的评价指标体系,然后应用BP神经网络模型对海外矿业投资的主要投资目的国进行预警分析。结果表明,在未来几年中加拿大、俄罗斯、澳大利亚的风险预警程度中等,巴西、印度与南非的风险预警程度较差,其中南非的经济发展状况较差,印度的国际收支状况、通胀率与财政收支状况较差,巴西的实际贷款利率过高。我国企业可以考虑在风险预警程度较轻的国家进行海外矿业投资。     

基于遗传算法改进BP网络的地表沉陷预计

本文采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络，即先用遗传学习算法进行全局训练，再用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，将该方法应用于地表沉陷预计问题中。建立了采动地表沉陷的神经网络预计模型，利用矿区大量的地表沉陷实际观测数据样本对该神经网络进行训练和学习，并用该网络对几组数据进行采动地表沉陷预计。结果表明，该神经网络预计模型具有收敛速度快、预测精度高的优点，为采动地表沉陷预计提供了实用的方法。     

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。     

单位BP神经网络及磨机故障诊断模型的研究

简单分析了标准BP算法存在的不足 ,介绍了单位BP算法的特点及其算法实现的具体过程 ,并成功应用于磨机故障诊断。     

边坡抗震稳定性分析的神经网络法

从人工神经网络的基本原理出发 ,建立了边坡稳定性分析的人工神经网络模型。选择四川和云南地区的 70个边坡实例作为学习样本 ,对BP算法进行了学习和检验。计算表明 ,BP网络性能良好 ,所建立的模型预测精度高 ,具有一定的工程实用价值