基于BP神经网络的瓦斯涌出量预测的研究

应用神经网络理论知识,结合贵州某矿的实测数据,建立了基于BP神经网络的瓦斯涌出量预测模型,通过数学软件MATLAB7.0对瓦斯涌出量进行预测,预测结果与实际涌出量吻合度较高,说明了BP神经网络在瓦斯涌出量预测上的可行性。为煤矿的安全生产中瓦斯量的预测提供了一种新的途径。     

工作面瓦斯涌出量的神经网络模型预测研究

通过对BP神经网络原理的分析 ,设计出了预测工作面瓦斯涌出量的BP神经网络模型。然后 ,在所建模型的基础上 ,采用matlab语言 ,实现了预测工作面瓦斯涌出量的BP神经网络模型。通过使用样本对网络进行训练和对几十个实际数据的仿真 ,得到了很好的预测结果。从预测结果看出 ,达到了工程实际能够接受的预测精度 ,说明该模型能够用于矿井的瓦斯涌出量预测。     

人工神经网络在边坡稳定性预测中的应用

对人工神经网络及BP神经网络的基本知识进行了介绍,并以BP神经网络为基础建立了边坡稳定性预测的数学模型,利用MATLAB的神经网络工具箱实现了边坡稳定性的预测,通过收集到的边坡实例进行训练。结果表明,利用BP神经网络对边坡稳定性进行预测,预测结果与实际相吻合,能够满足工程需要,说明应用BP神经网络进行边坡稳定性的预测是可行的。     

BP神经网络在边坡稳定性预测中的应用

对BP神经网络的基本知识进行了简单介绍,并以BP神经网络为基础建立了边坡稳定性预测的数学模型,利用MATLAB的神经网络工具箱模拟了边坡稳定性的预测,结合收集到的边坡实例进行训练。结果表明,BP神经网络对边坡稳定性预测结果与实际符合,能够满足工程需要。表明应用BP神经网络进行边坡稳定性的预测是可行的。     

综合改进BP神经网络在边坡稳定性预测中的应用

针对标准BP神经网络存在收敛速度慢和易陷入局部最小值的问题,提出用附加动量法和自适应学习速率法来优化BP神经网络,提高其收敛速度;引入具有全局搜索能力的模拟退火算法,克服其容易陷入局部最小值问题。应用综合改进后的BP神经网络对已知的实际边坡进行了预测,并将其预测结果与标准BP神经网络和实际值进行对比分析。结果表明:综合改进后的BP神经网络在边坡稳定性预测具有较好的预测效果,与标准的BP神经网络相比,不仅提高了计算速度,而且较大地提高了预测精度,具有较好的应用前景。     

基于BP神经网络灰色关联分析的煤与瓦斯突出危险性预测

基于BP神经网络理论和灰色关联分析,建立了煤与瓦斯突出危险性预测模型,使用数学软件MATLAB7.0,对收集资料的煤层进行了突出危险程度预测,预测结果与矿井实际情况相符。表明灰色关联BP神经网络模型对煤与瓦斯突出危险性预测准确性高,具有较高的实用性。     

神经网络在宝日希勒露天煤矿边坡变形预测中的应用

随着宝日希勒露天矿开挖深度的增大,边坡变形的预测与控制己成为露天矿安全生产的关键问题之一。由于边坡变形预测是一个复杂的非线性问题,而传统的边坡变形预测理论计算法和实测数据分析法都不同程度存在着局限性,通过深入分析人工神经网络的结构、参数特征及学习算法,建立了边坡变形预测的人工神经网络BP模型。利用所建立的模型对边坡变形进行了预测,预测结果与实际监测数据非常接近。说明采用人工神经网络BP模型进行边坡变形预测是可行且有效的,可推广应用于工程实践中。     

基于BP网络-突水系数理论的突水预测

底板突水预测是保证煤矿安全生产的重要环节,对煤矿的正常生产有着重要的意义。突水系数理论因其方便可操作性在底板突水预测中有着广泛的应用。本文通过实例分析指出突水系数理论在理论突水系数与临界突水系数相差较大时有较好的预测效果,但在临界突水系数附近却存在明显的波动性。为弥补突水系数理论的不足,本文引入BP神经网络对临界突水系数附近的样本进行预测分析,预测结果与实际情况相符,预测效果较好。建议在底板突水预测中首先采用突水系数理论进行预测,对其中处于临界突水系数附近的样本进行BP神经网络预测,可以保证预测效果。     

Weibull分布中BP参数优化的刮板输送机可靠性寿命预测分析

刮板输送机作为采煤工作面一种主要的机电设备,其可靠性运行对安全生产有重要的意义。传统的Weibull分布模型在刮板输送机可靠性寿命分析中,应用一般的线性方法估计可靠性寿命参数,由于故障数据的非线性特征,预测结果误差较大。针对此问题提出了采用非线性神经网络BP算法来优化模型参数,进行可靠性寿命预测。研究结果表明,应用BP算法优化后的参数得到的可靠性寿命与实际给定的设备寿命指标误差较小,提高了刮板输送机可靠性寿命预测的准确性。     

基于BP模型的煤矿安全管理投入经济分析

为了合理利用有限资源,通过集成AHP与BP神经网络,建立煤矿安全投入综合评价模型,优化赋权,避免了局部最小点误差,使预测结果更加准确。同时考虑到煤矿系统安全投入不平衡的实际情况,结合西方经济学原理,调整生产函数中各要素投入量,利用已验证的BP网络进行二次预测。经验证优化投入会带来更高的经济效益,是未来发展的新方向。     

基于BP神经网络的煤炭自燃温度预测方法研究

在对BP神经网络原理进行分析的基础上,设计出预测煤层温度的BP神经网络模型,然后对实验数据进行仿真模拟,采用MATLAB语言,利用样本进行网络训练后,得出的预测结果达到了工程实际能够接受的精度,说明该模型能够用于煤矿煤炭自燃温度的预测,实现煤炭自燃早期预报。     

基于PSO优化BP神经网络的露天矿边坡位移预测模型

BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.566 8%和0.353 0%,具有较好的精度和实际应用价值。     

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。     

基于遗传神经网络的龙煤矿业集团销售量预测研究

将遗传神经网络应用到龙煤矿业集团销售量预测中,预测采用三层前馈BP神经网络,利用遗传算法对神经网络初始权值进行优化,实际数值计算表明该算法在龙煤矿业集团销售量预测中的学习速率和精度都比单纯BP神经网络得出的结果好,适合于销售量预测。     

基于BP神经网络的煤炭成本预测研究

根据煤炭企业的实际情况,分析并找出影响煤炭价格的主要因素,采用BP人工神经网络作为煤炭价格模型的非线性建模方法,对煤炭价格进行预测并通过误差对比分析其准确性。结果表明,BP神经网络能很好地反映变量之间的非线性相关性,并且能够高精度地预测煤炭价格,为煤炭企业的生产经营决策和政府部门政策体系的建立提供了重要依据。     

冲击地压预测软件BPAGA Tools的实现

针对重庆市南桐矿物局砚石台煤矿的生产技术条件和开采地质条件,考虑到传统方法预测冲击地压的局限性,将BP人工神经网络和遗传算法相结合,开发了冲击地压预测软件BPAGA Tools.实际工程事例表明,该软件预测速度快,预测精度高,适用性强,在生产应用中取得了较好的预测效果,为冲击地压的预测提供了新途径,对冲击地压的防治具有重要意义.     

连铸坯凝固过程传热数学模型与BP网络预测模型的比较研究

建立了连铸坯凝固过程传热数学模型与BP网络预测模型,并根据实测数据对两种模型分别进行了验证。结果表明两种模型都可用于实际生产,但BP网络预测模型具有建模简单,计算量小,计算精度高等优势。对铸坯表面温度的预测具有广阔的应用前景。     

灰色理论及神经网络对东露天电铲能力的预测

根据东露天矿2012年1-9月份某4100电铲的作业数据,分别运用GM(1,1)和BP神经网络建立了电铲月度生产能力时间序列动态预测模型。通过这两种模型的计算和分析,表明BP神经网络的拟合精度较好,预测结果与实际值吻合度较高,可以用此模型来预测东露天4100电铲的月度生产能力。通过预测可以判别电铲生产能力的变化趋势,采取相应的改进措施,最大限度的提高生产能力,同时为生产计划的编制提供参考依据。     

BP神经网络在魏家峁露天煤矿的应用

介绍了人工神经网络技术中的BP神经网络的工作原理、基本算法,以及网络的设计,并列举了BP神经网络在露天矿产量预测、边坡稳定性、露天矿边坡角的确定等工程实践中的应用,预测结果与实际情况较相似,具有一定的科学性。     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。