基于BP神经网络的地下水水位预测

基于BP网络模型 ,对地下水水位变化规律进行了定量预测。网络模型由三层构成 :输入层、隐含层、输出层。节点单元以及各层间的连接强度决定了BP网络的执行情况。实验结果表明 ,BP神经网络是一种较为有效的预测方法     

基于遗传神经网络的瓦斯体积分数预测模型

利用改进的遗传算法对传统BP神经网络的隐含层节点个数和网络拓扑结构进行优化,提出利用遗传神经网络预测矿井工作环境中瓦斯体积分数的模型,并结合某矿瓦斯体积分数实例进行仿真试验研究,试验结果与实际比较吻合。     

用BP神经网络建立脉动高梯度磁选过程模型

用BP神经网络建立脉动高梯度磁选过程模型．对不同隐含层节点数的神经网络模型预测性能进行了评价，隐含层节点为13的神经网络模型选择为最佳模型．利用选择的最佳模型，对黄铜矿高梯度磁选进行模拟研究．模型研究结果表明，在相当宽操作的范围内，模型能够很好地预测磁选精矿中铜的品位和回收率．这说明建立的高梯度磁选模型合理可行．     

BP神经网络在开采沉陷相似材料配比中的应用

相似材料模型试验是矿山开采沉陷机理研究的重要研究方法,相似材料配比是实现相似材料模型模拟可靠性的关键因素。由传统试验方法确定相似材料配比费时、费力。综合分析了相似材料选择原则,以中国矿业大学研究制作的相似材料配比表为基础,建立了相似材料配比的BP神经网络模型。以33组试验数据作为训练和测试样本,模型预测的最大相对误差为7.39%。研究表明:所建立BP神经网络模型可基本反映出相似材料抗压、抗拉强度与各材料配比之间的内在影响规律,用该模型进行相似材料配比预测是可行的。     

BP神经网络在开采沉陷相似材料配比中的应用

相似材料模型试验是矿山开采沉陷机理研究的重要研究方法,相似材料配比是实现相似材料模型模拟可靠性的关键因素。由传统试验方法确定相似材料配比费时、费力。综合分析了相似材料选择原则,以中国矿业大学研究制作的相似材料配比表为基础,建立了相似材料配比的BP神经网络模型。以33组试验数据作为训练和测试样本,模型预测的最大相对误差为7.39%。研究表明:所建立BP神经网络模型可基本反映出相似材料抗压、抗拉强度与各材料配比之间的内在影响规律,用该模型进行相似材料配比预测是可行的。     

基于GRA—BP神经网络的固体废弃物充填体强度预测

为解决煤矿采空区充填材料不足和固体废弃物引起的生态环境问题,研究分析了膏体充填体强度的影响因素,采用正交试验测定了充填体样本强度,通过灰关联分析法确定了各影响因素与充填体强度之间的关联度,用改进的BP神经网络建立了以固体废弃物膏体充填体强度影响因素为输入层节点,充填体强度为输出层节点的强度预测模型;基于正交试验获得的强度试验数据作为网络的训练样本和测试样本,通过对建立的网络进行仿真模拟,检验了网络数据拟合能力和泛化能力。检验结果表明:建立的预测模型收敛速度快而且精度高,网络预测精度达到了93.75%,能够实现对充填体强度的准确预测。     

基于BP神经网络模型的充填体强度值预测

在探究充填体强度值大小时为了减少人力、物力的损耗,尝试利用BP神经网络模型对某矿山的四种尾砂材料浇筑的充填体试块进行预测。建立了输入层为8,隐含层为9,输出层为2的BP神经网络模型,并用该模型对某矿山四种不同尾砂材料浇筑的充填体试块进行预测试验。在随机选择的8种试块预测试验结果中,去除误差较大的情况后,充填体27天强度预测平均误差5.8%,充填体60天强度预测平均误差为5%,其中最优预测值与实际偏差值仅为1%。实利了利用BP神经网络模型在不同胶凝材料、不同灰砂比、不同浓度等多个条件下对充填体强度的预测。为其它矿山充填体强度的预测提供一种新的思路。     

基于连续型小波神经网络的煤层底板破坏深度预测

鉴于BP神经网络在预测中收敛速度慢,易陷入局部最优等缺陷,提出了利用连续型小波神经网络进行煤层底板破坏深度预测;简单介绍了连续型小波神经网络的网络结构与学习过程,为隐节点数的确定提供了经验公式以及判断多余隐节点的检验公式,避免了BP网络在确定隐节点数上的盲目性。通过连续型小波神经网络进行底板破坏深度实例预测,并与BP神...     

基于抛掷爆破预测的BP神经网络参数优化方法

研究了不同隐含节点个数、训练函数、转移函数、学习率对BP神经网络预测结果准确性和收敛速度的影响;对比分析了参数优化后的BP模型与径向基神经网络、支持向量机预测模型的结果;并应用某露天矿抛掷爆破作业的实测数据进行了相关实验。实验结果表明：最优BP模型的拓扑结构为10-6-3;最佳的训练函数为LM函数,正切和线性函数的组合为最优的转移函数,最佳的网络学习率为0.77;参数优化后BP模型的最远抛掷距离、抛掷率、松散系数的预测结果与测试样本的标准差最小,分别为9.567 8,0.036 3,0.041 4,即参数优化后的BP模型预测结果最优。     

矿井通风网络最优化评价的BP神经网络模型

从基本指标、辅助指标两个方面确立了包含16项矿井通风网络最优化的评价指标,建立了矿井通风网络最优化评价体系。通过采用样本数据对BP神经网络进行训练,确定隐含层神经元个数,通过对检验样本进行预测,校验BP神经网络。将训练后的BP神经网络模型用于葛亭煤矿、山东新河煤矿、淮南潘一矿通风网络评价,所得结果与矿井通风网络的实际情况较吻合。分析表明,BP神经网络模型可用于对矿井通风网络进行有效评价,可供类似矿山参考。