矿井瓦斯涌出量灰色GM（1,1）预测模型的分析

灰色预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。本文在对灰色ＧＭ（１，１）预测模型进行有关分析的基础上，提出了矿井瓦斯涌出量预测的ＧＤＭ模型，以进一步拓宽灰色预测的应用范围。利用该预测模型对一些矿井进行瓦斯涌出量的预测研究，均得到了较为满意的结果。     

矿井瓦斯涌出量的灰色小波神经网络预测模型

矿井瓦斯涌出量预测一直是煤矿生产过程中倍受关注的问题。它受众多因素的影响,而各因素之间的非线性关系错综复杂。近年来,许多的学者利用人工神经网络对非线性的对象建模预测,但是存在收敛速度慢,易陷入局部极小等缺点。本文将灰色理论引入小波神经网络模型中,其中灰色模型利用累加生成的新数据建模,突出趋势项影响,小波神经网络通过灰色模型的预测结果进行再预测,使得小波神经网络的非线性激励函数更加易于逼近,减小周期和随机成分,提高了涌出量预测精度,表明了该模型可靠性。     

基于灰色理论的矿井瓦斯涌出量预测模型研究

瓦斯涌出量是衡量瓦斯的重要参数。文章应用灰色关联方法找出了影响矿井瓦斯涌出量的主要因素,并建立了各关联因素与瓦斯涌出量的GM(1,n)定量影响关系。该模型精度较高,可以用于实际研究。     

简化速度法预测矿井瓦斯涌出量

速度法是以瓦斯动力学为理论基础的一种新的预测方法。它适应于各种采掘工作面瓦斯涌出量的预测，准确性较高。本文介绍了速度法的基本原理及预测方法。     

泉水沟煤矿矿井瓦斯涌出量预测

根据<矿井瓦斯涌出量预测方法>对阜康泉水沟煤矿矿井瓦斯涌出量进行了预测和计算,根据预测结果,矿井属高瓦斯矿井.建议煤矿采用合理抽放瓦斯方法提高抽放瓦斯效果.确保煤矿生产安全.     

基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究

矿井瓦斯是煤矿生产过程中存在的主要的不安全因素,煤矿瓦斯涌出量在很大程度上影响着矿井的设计及开采。文章提出利用灰色神经网络预测矿井瓦斯涌出量的思路,并对灰色神经网络模型进行了全面阐述,之后对模型进行了仿真分析。     

基于灰色动态建模的瓦斯涌出量预测方法研究

本文以灰色建模理论为基础，通过引入缓冲算子来尝试排除原始数据中的冲击扰动；通过建立等维新信息灰色预测动态模型，来有效地利用和跟踪采掘进程中新揭露的瓦斯涌出信息，以实现对采场瓦斯涌出量数据系列的真实表达。该模型在实际应用中达到了比较理想的预测精度。     

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。     

金属矿山岩层移动角选取的BP神经网络模型 及工程应用

研究岩层移动与沉陷最重要的角值参数是移动角,正确确定岩层移动角与移动范围对于矿山工程布置具有非常重要的意义。本文在分析国内外大量金属矿山崩落法与充填法开采岩层移动研究成果的基础上,采用改进的BP神经网络算法建立了金属矿山岩层移动角选取的模型,并对模型的预测精度进行了验证。结果表明,所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,实际输出与期望输出基本吻合。将所建立的网络模型应用于狮子山铜矿地下开采岩层移动角的预测,取得了较好的效果。     

矿山竖井涌水治理技术研究

针对矿山竖井掘进过程中遇到的涌水,采用工作面预注浆技术,使竖井工作面涌水量由9.6m3/h下降为0.5m3/h,取得了很好的效果。实践证明,工作面预注浆技术是治理矿山竖井涌水行之有效的方法。     

利用神经网络预测回采巷道的维护费用

本文提出了预测回采巷道维护费用的一种新方法，即人工神经网络预测法。该方法以大量的实际例子为学习样本，让网络学习，以建立各种回采巷道的特征与对应的巷道维护费用之间的非线性映射，再根据待预测的回来巷道的特征，预测出其维护费用。文中给出的例子的计算结果，说明了此方法是切实可行的。     

基于神经网络的矿山企业智能诊断专家系统

当企业拥有了数量庞大的生产经营数据后，如何方便、快捷地从这些数据中发现企业经营中存在的瓶颈，是矿山企业智能诊断研究所要解决的问题，为此本文研究了人工神经网络技术与专家系统的集成用于矿山企业生产经营中知识模式的发现，利用神经网络极强的学习能力，进行诊断知识的获取和诊断推理，模拟专家发现企业故障的因果关系。     

无督神经网络在开采煤层自燃危险性预测中的应用

通过对开采煤层自燃机理的分析 ,选出了主要的影响因素 ,采用了人工神经网络方法 ,通过对典型样本的学习 ,建立了开采煤层自燃危险性预测的无督神经网络模型。并用“未知”样本进行了验证 ,结果表明了该方法的准确性     

非线性动力学模型识别的人工神经网络方法及其应用

本文从微分方程数值解的观点讨论了时间序列分析的随机理论与现代非线性动力学方法的联系，就预报公式而言，非线性动力学方法更具有广泛性。     

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。     

浮选指标预测与判断神经网络专家系统的研究

将神经网络与传统专家系统有机地结合，建立了用于浮选过程中浮选指标预测与判断的神经网络专家系统，该系统适应性强，且具有良好的自学习功能。