基于BP神经网络的煤矿水泵系统控制方法研究

在煤矿井下排水系统中,目前常用的方法是根据几项关键因素或凭经验直接决定水泵的启停。该方法缺乏理论依据,经常要根据现场情况修改水泵的启停安排。针对该问题,提出一种基于BP神经网络的煤矿水泵系统控制方法。该方法选取水位、涌水量、时段、累计运行时间这4个关键参数来建立BP神经网络,通过对网络不断调整和优化,得到一个稳定的网络模型;用该模型对水泵的启停时间进行判断,实现对多台水泵的合理安排。Matlab仿真结果表明,使用BP神经网络对水泵系统进行控制是合理、有效的,对实现煤矿安全生产和节能减排有积极的意义。     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出。该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性。     

煤矿地下水实时跟踪监测预警系统设计

为提高煤矿地下水水文监测和水害预测水平,设计了一种基于智能水位仪的煤矿地下水实时跟踪监测预警系统。该系统采用水敏传感器的金属探针判断智能水位仪是否在含水层中,当水位下降至低于智能水位仪时,可将智能水位仪自动下放入水,从而避免产生伪数据;采用压力传感器获取水压数据,并通过上位机软件对数据进行拟合分析,进而计算出水位。测试结果表明,该系统工作稳定,对含水层水位的测量误差不超过2cm,且能够在5s内对含水层水位突变进行预警。     

预测控制在工业锅炉汽包水位中的应用研究

根据工业锅炉汽包水位的动态特点,提出了汽包水位预测控制方案,采用一种基于BP神经网络预报的动态矩阵预测控制新算法,在该算法中,先用BP神经网络辨识对象模型,同时预测对象的未来输出.该方法解决了非线性、时变对象难以建模及控制的问题,仿真结果验证了这一算法的可行性.     

BP网络及遗传算法在河道流量预报中的应用

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,采用遗传算法对BP网络模型进行优化,并将此模型应用于北江流域的坪石-犁市河道的预报流量中.实验结果表明,该算法在提高BP网络的收敛速度和预测精度上是行之有效的,为流量预报提供了一种新的方法.     

基于GSM短消息的地下水水位自动测报系统

地下水水位测量具有测点多而分散的特点,传统的地下水水位测报系统采用人工检测的方法获取水位数据,整个测量过程繁琐、费时,而且易受人为因素影响。为了向水位监测中心提供精确、及时的水位检测数据,本文提出了一种利用GSM网络的短消息业务,来实现水位自动测报系统中水位信息远距离传输的解决方案,给出了系统结构,工作原理,并着重论述了利用短消息实现远程通信的具体实现方法。目前,已将该技术应用于太原市地下水水位监测系统,成功的实现了水位信息的自动采集、存储、远程通信及实时查询。     

基于人工神经网络的多模型综合预报方法

根据天气系统非线性变化及天气变化受大气多种内外因素综合影响的特点，文中提出了用ANN的前馈网络(BP算法)串入竞争自组织映射网络(SOM网络)方法对同一预报量进行不同结构类型的MOS模型、动力诊断模型和人工智能模型的综合预报。利用这一系统对样本进行了先聚类后训练的预报。结果表明，BP SOM网络实现多模型(异型)综合预报系统具有很好的应用前景。     

基于GSM短消息的地下水水位自动测报系统

地下水水位测量具有测点多而分散的特点,传统的地下水水位测报系统采用人工检测的方法获取水位数据,整个测量过程繁琐、费时,而且易受人为因素影响.为了向水位监测中心提供精确、及时的水位检测数据,本文提出了一种利用GSM网络的短消息业务,来实现水位自动测报系统中水位信息远距离传输的解决方案,给出了系统结构,工作原理,并着重论述了利用短消息实现远程通信的具体实现方法.目前,已将该技术应用于太原市地下水水位监测系统,成功的实现了水位信息的自动采集、存储、远程通信及实时查询.     

基于PCA和改进BP网络的降雨预报模型研究

在主成分分析法和改进BP网络相结合的基础上,进行降雨预报模型的研究。先由主成分分析法降低原始气象数据的维数,然后利用改进BP网络有效地学习气象样本数据中蕴含的内在规律。研究结果显示,该降雨预报模型训练效率高,预报效果好。     

BP神经网络在地震预测中的应用研究

为了对未来地震趋势进行预测,提出一种BP神经网络预测方法。利用Matlab建立BP神经网络模型,并以滇西南地震数据为学习样本对网络模型进行了训练和仿真测试研究。研究结果表明,利用BP神经网络模型预报的地震震级与实际震级误差在8%以下,说明所建模型具有较好的适应性和预报精度。该方法对地震震级的预测具有一定的指导作用和参考价值。     

改进神经网络煤矿安全评价模型仿真研究

研究煤矿安全评价准确性问题。煤矿生产安全问题一直是国内外研究的热点,针对传统的安全评价算法难以评价出煤矿安全生产中出现的情况,评价预测准确率低等问题,提出了基于BP神经网络算法煤矿安全评价模型。采用BP神经网络的特点是可以逼近任意的非线性函数,但是BP神经网络并非完美的神经网络,采用遗传算法优化BP神经网络可以克服其缺点,将改进的算法应用于煤矿系统安全评价之中,仿真结果表明,基于改进的BP神经网络煤矿安全评价模型方法有效性和实用性,能够正确评价安全生产状态。     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

基于改进BP神经网络的瓦斯含量预测模型

煤层瓦斯含量是矿井安全生产的重要性能指标之一,而常规基于经验和传统数学模型的预测方法难以准确预测煤层瓦斯含量。针对该问题,文章在分析了基于Fletcher-Reeves共轭梯度法的改进BP神经网络模型的基础上,结合煤层瓦斯含量的各种影响因素,建立了一个基于3层改进BP神经网络的瓦斯含量预测模型,并进行了具体的网络训练和预测仿真。结果表明,该瓦斯含量预测模型收敛速度快,预测精度高,可满足实际生产要求。     

煤与瓦斯突出的PCA-BP神经网络预测模型研究

通过主成分分析法对煤与瓦斯突出的主要影响因素进行主成分提取,选取贡献率大于85%的3个主成分来代替原来的7个影响因素,以此来确定BP神经网络的输入参数为3个。根据煤与瓦斯突出的类型,建立了煤与瓦斯突出预测的PCA-BP神经网络模型。选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对PCA-BP网络进行训练。以云南某煤矿的煤与瓦斯突出实例作为预测样本,仿真结果表明PCA-BP神经网络模型性能优于传统BP神经网络,能够满足煤与瓦斯突出预测的要求。     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

基于灰色BP神经网络的瓦斯爆炸的预测

瓦斯浓度在很大程度上决定了煤矿井下发生爆炸的可能性,而原有灰色模型预测方法精度不是很高,但是所需的数据较少,而BP神经网络有高度的非线性计算、自学习和自组织能力。本文结合了灰色系统与BP神经网络各自的优点进行预测,使预测结果更加精确,可靠性得到很大的提高。     

基于蚁群优化算法的瓦斯预测模型研究

针对瓦斯煤尘爆炸和煤与瓦斯突出给煤炭矿山企业带来的危害极大的问题,将蚁群优化算法和BP神经网络技术结合应用到瓦斯涌出量预测,建立比较准确的预测模型。重点研究了BP网络模型的选择与优化训练,通过蚁群算法优化解决了BP神经网络易陷入局部收敛的问题。仿真与实际数据验证表明：改进的神经网络算法对瓦斯涌出量预测能达到良好的效果。     

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。     

基于灰色模糊综合评判的煤矿电网低电压可能性研究

针对煤矿电网负荷端的低电压类型,选取了影响煤矿电网电压水平的8个因素,然后采用层次分析法建立了3层评判结构,给出了各层权重计算方法,并采用灰色理论与模糊综合评判的方法分析了各个因素的影响程度,从而得到对煤矿电网低电压发生可能性的准确评估。实例分析证明了该方法的有效性。