基于BP人工神经网络的煤矿支护可靠性研究

通过分析综采工作面支护系统以及液压支架的特点,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,发现预测结果比较精确,能够为下一步的工作提供数据。     

基于BP人工神经网络的煤矿支护系统可靠性研究

结合综采工作面支护系统以及液压支架的特点,从开采参数和煤层赋存条件两个方面分析了影响工作面支护系统可靠性的因素,并利用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。选择某矿业集团几个工作面的实际情况作为模型样本,通过模拟计算,得出支护强度预测数据与模型样本的实际数据相对误差很小。可见,该分析模型预测结果比较准确。该人工神经网络系统可以为综采工作面的支护提供数据,提高支护的可靠性。     

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BP人工神经网络的成矿预测模型

在传统的成矿预测研究中,一般只能定性地研究矿床的形成与定位受哪些地质因素的控制,但这些因素对成矿的贡献程度则很难给出一个定量的值,而BP人工神经网络的高度非线性映射功能则能很好的拟合成矿作用过程这样的高度非线性耦合关系,因此,基于BP人工神经网络的成矿预测模型相对于传统模型具有更高的预测精度。     

基于BP人工神经网络的企业竞争力预测模型

在构建企业竞争力指标体系的基础上，针对企业竞争力预测的不同目的，分别建立时序人工神经网络和因果人工神经网络两种模型对企业竞争力进行预测，为企业制定提升竞争力的战略提供依据。     

基于BP人工神经网络的磷矿品位预测模型研究

利用特制传感器采集磷矿原矿、浮选精矿和尾矿的颗粒表面特征参数,通过BP神经网络对采集数据进行建模处理,利用该模型进行浮选精矿的品位预测,计算结果显示,模型预测值与实测精矿品位绝对误差小于0.5%,能有效地预测磷矿浮选过程精矿品位。     

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。     

基于遗传算法和人工神经网络的巷道支护研究

针对软岩巷道围岩的复杂性和离散性特点,采用单一围岩稳定性影响因素无法进行巷道围岩准确分类,进而无法准确地确定支护设计方案的现状,采用遗传算法和人工神经网络建立了围岩稳定性分类预测模型。通过算例验证了该模型能在考虑多影响因素下准确地代表围岩稳定性影响因素与围岩类型之间的非线性关系,并预测出软岩巷道的围岩分类,从而为软岩巷道稳定性分类及控制技术提供参考依据。     

锚杆支护巷道临时支护强度分析

从临时支护设施的安全防护和围岩早期维护两个基本功能入手,分析了巷道开挖后的围岩状态。引用围岩松动圈理论,分析了临时支护、永久支护和围岩变形的关系,认为锚杆支护巷道临时支护强度不应大于锚杆的初锚力,从而提出了现阶段锚杆支护巷道临时支护强度的设计依据。     

基于BP神经网络的液压支架支护位姿运动学分析

分析了在复杂多变的采煤工况条件下,液压支架位姿空间内变量受到驱动空间变量的耦合影响以及位姿解算应用存在的问题,设计一种基于BP神经网络的位姿空间到驱动空间的非线性转换模型,通过正向运动建立训练数据集,构造逆运动模型,能够精准快速的实现其位姿运动学计算,从而实时检测液压支架支护位姿。实验仿真结果表明,该方法控制支架位姿相对于传统方法,快速精确,提升了工作效率,为感知和调控支护位姿与跟机调控提供理论支撑。     

基于BP人工神经网络的封闭不良钻孔导水危险性评价

以梁家煤矿部分封闭不良钻孔作为研究对象,综合分析了影响封闭不良钻孔导水危险性的主要因素以及各因素的评价指标,建立了封闭不良钻孔导水危险性评价指标体系。一级指标有3个,分别为充水水源、地质构造、采掘活动的影响。其中,充水水源下设有3个二级指标,地质构造和采掘活动的影响分别下设有2个二级指标。根据已建立的封闭不良钻孔评价指标体系,运用MATLAB软件构建了3层BP人工神经网络模型,对封闭不良钻孔的导水危险性进行定量评价,模型输入层有3个节点,分别为充水水源影响指数、地质构造影响指数、采掘活动影响指数。中间层有9个节点,输出层有1个节点即封闭不良钻孔导水危险性指数,根据其评价结果划分出钻孔的导水危险性等级,分别为较安全、较危险和危险。     

基于正交试验和BP人工神经网络的浮选药剂制度优化

探索了人工神经网络在浮选药剂制度优化中的应用。研究通过浮选药剂三因素三水平正交试验采集具有一定代表性的实验数据,然后采用BP人工神经网络,建立了输入为pH值调整剂碳酸钠的用量、抑制剂硅酸钠的用量和捕收剂的用量,输出为选矿效率的BP人工神经网络模型,并通过样本检验模型的准确性。试验结果:F检验确定的药剂制度为pH值调整剂用量4 kg/t、抑制剂用量3 kg/t、捕收剂用量1 kg/t,选矿效率为19.75%,BP人工神经网络确定的药剂制度为pH值调整剂用量4 kg/t、抑制剂用量2.3 kg/t、捕收剂用0.9 kg/t,选矿效率为19.47%,两种药剂制度的选矿效率差别很小,但BP网络确定的药剂制度药剂用量更少。结果表明利用BP人工神经网络可用于浮选药剂制度的优化,可减少试验量,可通过建立模型找出更优的药剂制度,同时结合正交试验减少人工神经网络的学习样本数量,增加样本代表性,优化神经网络的学习过程。     

液压支架支护强度的分析计算

根据某煤矿4#煤层的实际顶、底板条件,利用FLAC 3D软件,对液压支架的支护强度进行了数值模拟计算。针对具体的支护强度,给出了垂直应力云图和垂直位移云图。与岩重法相比,FLAC 3D数值模拟的计算结果相差不大,具有一定的应用价值。     

基于ANSYS巷道掘进支护平台支撑臂强度分析

利用ANSYS Workbench有限元软件对某型巷道掘进支护平台支撑臂的结构进行强度分析,研究了平台支撑臂在最大载荷下的应力分布规律及变形情况。结果表明:平台支撑臂的强度、刚度满足安全要求,从而论证了平台支撑臂结构设计的合理性,为下一步平台支撑臂优化设计提拱了重要的理论依据。     

基于强度折减法的节理岩质边坡支护稳定性分析

对于岩质边坡,强度折减系数法在边坡开挖计算中便采用降低的岩体参数,初始地应力计算和边坡初始状态不同,计算过程与强度安全系数定义不一致。提出了改进的强度折减系数法,充分考虑了岩质边坡初始地应力的影响,所得到的安全系数更加符合实际,并以四川九架棚大桥节理岩质边坡稳定性分析为例,采用改进的强度折减系数法对该边坡稳定性进行了分析。采用文中方法对九架棚大桥理县侧节理岩质边坡锚杆支护稳定性进行分析,分析结果表明,采用锚杆支护后的节理边坡塑性区分布较小,安全系数为1.2,支护后的岩质边坡处于稳定状态。     

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。     

运用BP人工神经网络设计变形预报模型

BP人工神经网络是应用最广泛的人工神经网络之一,运用Matlab神经网络工具箱设计BP神经网络,建立变形监测预报模型是本文探讨的课题。文中对BP网络的结构框架、本质进行了介绍,对运用Matlab工具箱建立模型的思路以及需要注意的问题进行了阐述,最后结合工程实例建立的模型进行了实际验证,并得出了一些有益的结论。     

王庄煤矿综采液压支架支护强度分析

8101工作面为王庄煤矿首个一次采全高工作面,无相似矿压数据可供参考,采高增大后,工作面煤层片帮范围增大,片帮程度加剧,随之顶板的端面距也将增大,暴露顶板容易发生离层垮落,煤层顶板管理困难。为了掌握工作面顶板来压的规律,采用统计类比法方法,分析一次采全高工作面周期来压步距、支架的工作阻力变化规律,为顶板管理及巷道支护设计提供科学依据,从而为正常生产提供可靠的保证。     

采煤工作面支护强度的探讨与分析

通过对采煤工作面的实际观测,找出了顶板管理方面的不足和不安全因素,通过在生产实践中的不断改进,以及改进后在采煤工作面实际矿压观测,提出了加强采面安全生产及支护的几点做法。     

基于BP神经网络煤与瓦斯突出强度预测模型

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。