基于人工神经网络和模糊诊断技术的煤矿安全预测系统

提出一种基于人工神经网络和模糊诊断技术的煤矿安全预测系统,并建立了系统的结构图。该系统结合了人工神经网络和模糊诊断技术的优点,其利用人工神经网络解决非线性问题的优势对数据进行处理,利用模糊诊断技术和经验数据做出安全预测,并给出了安全预测系统的运行流程图和各部分的设计方法。根据算例采用MATLAB进行了仿真验证,结果表明,该系统可以实现对敏感数据的提取和处理,可实现对煤矿安全的准确预测。     

我国煤矿安全事故统计分析及预测

为分析我国煤矿死亡事故发生的规律和准确判断未来我国煤矿的整体安全生产形势,根据2009—2018年我国煤矿死亡事故统计数据,从煤矿事故发生级别、事故类型2个维度对我国的煤矿生产安全事故进行了研究。通过SPSS 25.0软件建立Brown线性趋势模型,并对我国2009—2018年煤矿百万吨死亡率进行验证,最后预测2019—2021年我国煤矿百万吨死亡率。结果表明2009—2018年煤矿事故起数和死亡人数处于持续下降趋势,我国煤矿安全形势持续稳定向好;在事故发生级别上,一般事故发生的事故起数最多,累计造成的人员死亡也是最高,其次是较大事故和重大事故,特别重大事故发生起数在2016年出现了回升,造成了大量人员伤亡,但是2017年出现回落,没有发生特大事故;在事故类型中,顶板事故发生频率最高,瓦斯事故是一次伤害造成死亡人数最多的;Brown线性趋势模型对2009—2018年煤矿百万吨死亡率验证表明,相对误差基本上都在30%以内,R^2=0.931,接近于1,均方根误差(RMSE)和正态化的BIC均较小,表明Brown线性趋势模型模型的拟合效果比较好,预测精度较高。对我国煤矿事故发生规律的研究和煤矿百万吨死亡率的预测验证分析,使煤矿企业制定完备的安全管理措施和避免煤矿事故的发生具有重要意义。     

中美煤矿安全生产管理现状分析

二次世界大战后,美国、日本等国家处于战后经济时期,煤矿事故频发,煤矿安全管理难度较大,各国均采取了相应的管理措施,从而有效减少了伤亡人数,提高了经济发展水平。工业发达国家采用的安全管理方法及在安全管理中所积累的经验,对于我国安全管理工作有很好的借鉴作用。     

基于灰色系统理论的煤矿安全生产形势预测

以我国煤矿安全生产形势预测为研究目的,介绍了灰色系统理论GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型群等预测模型,应用这3种模型对我国2000年至2009年的煤矿安全生产事故死亡人数和百万吨死亡率分别进行了数据拟合.通过后验差检验和误差分析,等维新息GM(1,1)模型群对煤矿安全生产事故死亡人数和百万吨死亡率具有较高的数据拟合精度,平均相对误差分别为2.86%和2.92%.应用等维新息GM(1,1)模型群对我国煤矿安全生产事故死亡人数和百万吨死亡率进行预测,结果表明:煤矿安全生产形势将持续保持好转态势;煤矿安全生产事故死亡人数以平均每年16.9%的速度下降,到2015年将下降到900人以下;百万吨死亡率以平均每年22.7%的速度下降,到2015年将下降到0.2以下;同时反映了未来煤炭产量将继续保持增长趋势.     

基于人工神经网络的煤炭自燃预测预报技术的研究

论述了煤炭自燃的危害，并应用人工神经网络理论对官地矿自燃发火进行了预测。预测结果与实际结果基本吻合，为解决煤炭自燃的预测提供了良好的方法，具有较大的应用价值和应用前景。     

2008—2021年我国煤矿水害事故统计规律分析及预测研究

针对近年来我国煤矿水害威胁矿山企业安全生产的现象,通过整理国家及各省(直辖市、自治区)矿山安全监察局、煤矿安全生产网的2008—2021年水害事故资料,以数理统计的方法,从水害事故等级、时间、空间、矿井规模角度进行了分析,探讨了水害事故的发生规律,分析了原煤产量对百万吨死亡率的影响,对2022与2023年的百万吨死亡率做出了预测,并依据水害事故的特点提出了防治建议。结果表明：较大及以上等级的水害事故是煤矿水害防治的工作重点;水害事故在空间上高发于华北、东北、西南地区;水害事故在时间上高发于每年的3—4月、7—8月,每天的23∶00—1∶00,7∶00—9∶00,15∶00—17∶00,17∶00—19∶00;水害事故高发于小型矿井;原煤产量与百万吨死亡率呈长期的负相关协整关系,预计2022、2023年百万吨死亡率将分别下降至0.041与0.030。     

基于最优组合模型的煤矿百万吨死亡率预测

为有效解决常规单项预测模型组合时采用单一的加权平均系数而导致预测结果失真的缺陷,通过引入IOWHA(诱导有序加权调和平均)算子构建最优组合预测模型对我国煤矿百万吨死亡率进行预测分析,实证结果表明:该组合预测模型具有较高的拟合和预测精度,可为煤矿部门安全决策和科学规划提供一定理论依据。     

事故树与人工神经网络在提升机故障预测中的应用

研究了制动系统失效的故障机理,并建立了制动系统失效的事故树及相应的人工神经网络结构。用Ｆｕｓｓｅｌｌ－Ｖｅｓｅｌｙ算法求出了事故树的最小割集并抽取出相应的规则。分别利用最小割集抽取的规则和人工神经网络的联想记忆功能,进行故障的预测预报。     

我国煤矿安全状况宏观透析

采用统计分析的方法 ,对我国煤矿自建国以来的安全指标 (百万吨死亡率 )分别从煤矿安全法规颁布数目、国民经济发展水平、职工文化素质、机械化水平等因素进行了综合分析 ,从而得出了各影响因素对煤矿安全水平影响的显著性 ,为宏观安全管理提供决策参考。     

我国煤矿安全生产能力演变特征分析

论文采用指标分析法,总结我国煤矿安全生产能力的演变特征;在分析了安全生产不利因素的基础上,提出了提高煤炭产业集中度、重视煤矿安全投入、提高煤矿从业人员素质、打造煤矿特色安全文化等相关建议。     

基于改进的切比雪夫神经网络的露天煤矿产量预测

由于影响露天煤矿产量的因素众多,尚未有精确方法对其进行预测。本文针对切比雪夫神经网络存在的不足,从算法和网络结构方而进行了综合改进。改进后的切比雪夫神经网络,符合生物神经网络的基本特征,算法简单,收敛速度快。用改进的切比雪夫神经网络对露天煤矿原煤产量进行建模和预测,结果表明,此种改进方法不仅提供了一种有效的预测露天矿原煤产量方法,具有优良的预测能力,而且在相同精度的前提下,其收敛速度也优于一般的BP网络,为露天煤矿的生产提供科学、合理的决策依据。     

以可拓理论为基础的煤矿安全综合评价研究

探讨了可拓理论应用于煤矿安全综合评价中的可行性,构建了综合评价指标体系和基于变量物元的一般综合评价模型,指出了评价模型应用过程中需注意的问题.     

基于GIS和人工神经网络的井下无线传感器网络定位数据修正方法研究

 针对传感器节点在自身定位过程中,受煤矿井下巷道复杂环境因素的影响,导致定位结果不够精确的问题,利用GIS系统的地图管理功能和人工神经网络（Artificial Neural Network）无需建立数学模型的特点,提出了GIS—ANN修正方法。实验结果表明：该方法对存在误差的节点坐标进行了有效的修正,从而提高了节点自身定位的精度。     

Analysis on evaluation ability of nonlinear safety assessment model of coal mines based on artificial neural network

Based on the integration analysis of goods and shortcomings of various methods used in safety assessment of coal mines, combining nonlinear feature of mine safety sub-system, this paper establishes the neural network assessment model of mine safety, analyzes the ability of artificial neural network to evaluate mine safety state, and lays the theoretical foundation of artificial neural network using in the systematic optimization of mine safety assessment and getting reasonable accurate safety assessment result.     

基于安全文化的煤矿安全管理探讨

本文在对我国煤矿安全现状进行分析的基础上，探讨了安全文化体系的构成和研究意义，同时对基于安全文化的煤矿安全管理进行了初步探索，分析了安全文化建设的重要性。提出了从安全文化体系的四个基本建设：安全观念文化、安全行为文化、安全观念文化和物态文化。     

基于人工神经网络技术的综放导水断裂带高度预计

在对综放开采条件下导水断裂带发育规律分析的基础上，将基于非线性理论的人工神经网络技术用于煤层覆岩破坏高度的预测，选取采高、基岩柱厚度、倾角、顶板单轴压强度、泥岩比例和覆岩结构6种因素作为导水断裂带预测模型的影响因子，建立导水断裂带高度预测模型，并在我国首个海域下综放工作面加以应用.     

基于BP人工神经网络的煤矿支护系统可靠性研究

本文从开采参数和煤层赋存条件两个方面总结了影响工作面支护系统可靠性的因素,利用BP人工神经网络算法,建立了基于8-4-1模型的支护系统可靠性分析模型,通过对不同样本的计算,预测结果比较精确,能够为下一步的工作提供数据。     

基于人工神经网络的煤巷锚杆支护设计研究

基于人工神经网络原理,构筑锚杆支护设计多级人工神经网络,在围岩分类的基础上,进行煤巷锚杆支护形式和参数优化设计,应用结果表明,该方法操作简便,可靠性高,具有先进性,有较高的实用价值和广阔的应用前景。     

基于结构方程模型的煤矿安全氛围对安全行为影响分析

为证实煤矿安全氛围对员工安全行为的影响,编制了一套适用于煤矿的测量安全氛围的量表,对煤矿员工进行了问卷调查,分析了信度和效度的合理性,验证了量表的有效性;构建了安全氛围与安全行为关系模型,应用SPSS统计包进行了描述性分析、分层面探索性因子分析和验证性因子分析,表明安全氛围量表具有较好的因子结构;利用LISREL8.7对结构方程模型进行了验证分析,得到了验证后的模型,并对调研矿井提出了针对提高员工安全行为率的建议措施。     

基于耦合算法的煤矿瓦斯涌出量预测模型研究

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算法通过实时的对其权值、阈值寻优,建立了基于CIPSO 和ENN 的耦合算法的绝对瓦斯涌出量预测系统模型,并利用矿井监测到的各项历史数据进行试验,结果表明该模型较其他预测模型其辨识收敛速度、预测精度和鲁棒性等性能都有明显的提高。