基于人工神经网络技术的隧道地表沉降预测

对采用人工神经网络技术预测隧道地表沉降模型中进行了研究。采用MATLAB系统开发了一个多层反向传播神经网络模型,考虑了隧道的深度、隧道的直径、地下水位、土的弹性模量、土的剪切强度、土的侧压系数、土的重度和开挖间隙对地表沉降的影响。用世界多个隧道的地表沉降数据作为样本对模型进行了训练和测试。结果表明,利用该神经网络预测的沉降值与实测值比较吻合。     

基于BP神经网络的地表沉降预测模型

简述了人工神经网络的基本原理,通过实例建立了时间序列BP网络模型,并利用已有观测数据对网络进行了训练和测试,经过与实测值进行对比回归分析,证明了该网络的有效性和精确性,可作为一种预测方法对地表沉降做出预测。     

基于遗传算法改进BP网络的地表沉陷预计

本文采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络，即先用遗传学习算法进行全局训练，再用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，将该方法应用于地表沉陷预计问题中。建立了采动地表沉陷的神经网络预计模型，利用矿区大量的地表沉陷实际观测数据样本对该神经网络进行训练和学习，并用该网络对几组数据进行采动地表沉陷预计。结果表明，该神经网络预计模型具有收敛速度快、预测精度高的优点，为采动地表沉陷预计提供了实用的方法。     

基于VB.NET的地表移动观测站设计系统开发

以淮南矿业集团某矿区综采工作面地表岩移规律研究为例,利用VB.NET和MapObjects进行无缝结合来实现地表移动观测站的布设,对观测站设计数据与图形实行统一管理,进行地表移动观测站的设计、自动化处理以及结果的可视化输出;充分体现了GIS组件在解决有关开采沉陷的预计分析、变形监测和保护问题中的实用性和有效性。     

神经网络在地表移动与变形分析中的应用

为了对建筑物下薄煤层群开采地表移动与变形作出全面、准确科学合理的预测,在综合分析概率积分法参数与地质采矿条件之间关系的基础上,采用人工神经网络方法建立了岩移参数选取的数学模型.对提高开采沉陷预计精度具有积极意义.运用概率积分法对地表移动和变形进行了预计与分析,结合某矿的实际条件,运用所建的模型,求得了该矿开采引起的地表移动变形各个参数的最大值,确定了该建筑物下薄煤层群开采方案.结果表明,可以利用所建数学模型正确求出地表移动与变形参数.     

紧邻露天矿的地表移动变形神经网络预测

紧邻露天矿边坡的地表受采剥过程中多种因素耦合的影响,出现移动变形,从而威胁到了毗邻露天矿的工业及民用建筑物的安全使用,为了预测其变形值,通过建立增加动量项的自适应BP神经网络,借助已有样本数据,对网络进行训练、测试,经与目标值对比,其精确度较高。将训练好的网络应用于观测网络的测点预测,得到了其2013年的沉降变形值。该方法对多因素耦合作用的地表沉陷预计具有重要意义。     

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。     

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。     

基于BP神经网络的煤与瓦斯突出预测专家系统

考虑到人工神经网络极强的非线性逼近能力以及专家系统在知识处理方面的优势,利用VB结合BP算法开发了BP网络,通过建立区域突出预测知识推理模型,将专家经验及可信度作为BP神经网络的输入单元和输出单元,利用嵌套技术把学习结果作为专家系统知识库的一部分,实现了基于BP神经网络的煤与瓦斯突出预测专家系统。结果表明,该系统预测精度比传统专家系统有明显提高。     

小波神经网络在矿山变形监测分析中的应用

为了减少矿区塌陷的发生,利用GPS对矿山地表岩移进行了监测分析。为了提高岩移观测数据的预测精度和可靠性,文中采用小波神经网络方法对监测数据进行训练、预测,成功预测出了未来一期的地表移动变化。结果表明,小波神经网络具有良好的函数逼近能力,能够反映出要素之间的非线性关系,预测数据可靠。     

矿山地表移动ARMA预测模型

以某矿区一个监测点2001-2010年地表移动监测数据为样本,对其进行了统计分析。分析结果表明：该样本数据的自相关函数(AC)和偏自相关函数(PAC)都是拖尾的,符合ARMA(p,q)模型。在此基础上,应用EViews软件进行了模型的参数估计和模型检验工作,建立了该矿区地表移动ARMA预测模型。通过对模型预测值与实测值的比较,模型预测显示了良好的准确性,特别是在时间步长较短的情况下,可以大大提高矿山地表移动预测的精度。     

基于PSO-BP的矿井淋水井筒风温预测

为解决矿井井底风流温度预测的问题,采用BP神经网络为模型,利用PSO算法优化网络权值和阈值,建立了一种新的井底风温预测模型,并用Matlab编程实现。通过对淮南某煤矿井底风温影响因素的分析得出地面入风口处风流温度、湿球温度,地面大气压力及井底湿球温度等因素的影响力较大。应用PSO-BP模型与BP模型对数据分别进行测试并分析,结果表明,该模型具有收敛速度快、预测精确度高,是求解井底风温非线性变化规律的最有效方法之一。     

分析网络参数对Modular模糊神经网络预报结果的影响

以实验数据为基础 ,分析网络参数对Modular预报 30MnSi金属塑性变形抗力预报精度的影响 ,找出最佳网络参数 ,提高预报准确性。同时指出 ,在采用模糊神经网络进行预报时 ,分析网络参数对预报精度影响的必要性     

地下开采岩体移动对矿区建筑物安全影响研究

针对金属矿地下开采引起的岩体移动问题，根据弹性力学理论建立了地表移动预测分析的三维理论模型，并用于鲁中铁矿地下开采引起的地表移动预测分析。在分析过程中，采用Matlab软件进行数值积分计算和图形绘制。通过工程实例计算分析表明，计算所获理论结果和实测数据基本一致。可见，所建立的数学模型满足工程精度要求，适用于研究分析金属矿体地下开采引起岩体移动变形以及地表建筑物安全评价。     

MSDFVS系统在开采沉陷预测中的应用

为准确预计煤矿回采工作面的开采沉陷值,合理布置采区,减小由地下煤炭开采引起的地表移动破坏,对基于MapInfo的MSDFVS(矿区地表变形预测预计与可视化系统)在预计原理、预计模型编程、算法方面做了详细介绍。通过实例验证了该系统的正确性及合理性,结果表明,该系统不仅实现了单个工作面、多个工作面的静态和动态沉陷预计,还实现了预计结果的二维、三维以及动态可视化,其预计结果更是在地表沉陷预测及控制、"三下"采煤等方面具有一定的指导意义。     

概率积分预计参数的ENN优化算法

为了提高ENN(Elman neural network)神经网络获取概率积分预计参数的准确性，以我国30个地表移动观测站的实测数据作为学习训练和测试的样本数据，采用强稳健局部加权回归法（Rlowess,RW)对30个地表移动观测站数据进行降噪处理，采用蚁群算法（Ant Colony Optimization,ACO）对ENN神经网络的权值和阈值进行优化，构建了ACO ENN概率积分预计参数解算模型。结果表明：对比分析ACO ENN模型解算RW降噪处理前后的实测数据，发现RW降噪处理显著提高了数据质量，提高了解算模型的预测精度；利用ACO ENN模型解算下沉系数、水平移动系数、主要影响角正切及拐点偏移距的平均相对误差分别为2.41%、3.48%、6.11%和1.67%， ACO ENN模型对于概率积分预计参数的解算精度优于传统ENN算法，为精确获取概率积分预计参数提供了新思路。     

岩层移动角预测的粗糙集-BP神经网络模型

岩层移动角是金属矿山开采表征地表移动规律的重要参数之一。为克服理论计算法和数值分析法在力学模型匹配、参数选择、边界条件设置等方面存在的问题并改进岩层移动角预测方法,首先在分析BP神经网络、粗糙集基本原理的基础上,将两者进行有机结合,构建了粗糙集-BP神经网络模型,该模型将粗糙集作为前端处理器对具有模糊性、不确定性和不完整性的信息进行预处理,将BP神经网络作为核心建立输入、输出间的映射关系;然后通过对34组实测岩层移动样本数据进行学习训练和测试,构建了包含下盘岩性、上盘岩石普氏系数、矿体倾角、矿体厚度、开采深度、采矿方法等6个因素的粗糙集-BP神经网络岩层移动角预测模型,并对永平铜矿露天转地下开采岩层移动角进行了预测。结果表明:该矿山总体岩层移动角的预测值分别为上盘62°,下盘68°,走向73°,预测结果与工程类比法、数值模拟法等传统方法接近。所提方法由于可科学选择变量、简化网络结构以及具有提高容错抗干扰和分类的能力,相对于传统预测方法而言,具有一定的优势,有助于提高矿山开采岩层移动角的预测精度。     

基于GIS的开采沉陷预测系统构架研究

为了提高开采沉陷预测精度及其可视化程度，对基于GIS的开采沉陷预测系统构架进行了研究。通过对常用开采沉陷预测模型及集成方式的对比研究，选用基于碎块体理论的威布尔分布法的标准形式作为预测模型，利用基于组件对象模型技术的集成方式进行系统构架。给出了开采沉陷预测系统整体构架框图，并利用栅格技术，通过对地表网格点的计算实现了GIS环境下的开采沉陷预测。通过GIS强大的空间迭加分析功能对预测结果进行深入的分析，为研究开采沉陷规律以及对周围环境的影响提供科学依据。     

关于煤矿安全开采决策关键技术的基础研究的建议

建立完善的灾变预测预报、控制措施决策、措施实施的监控和效果判断是实现安全开采的基础。煤矿安全开采决策关键技术基础研究的基本内容包括：回采工作面顶板控制、巷道围岩运动控制、与矿山压力和岩层运动有关的重大事故控制、开采沉陷控制和与通风有关的重大事故预测和控制等方面的新理论、新技术，以及控制决策计算机工作系统关键技术的研究。     

基于神经网络的综采设备配套专家系统研究

对基于神经网络的综采配套专家系统进行了研究,给出了具体处理方法。在此基础上建立了工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型,并采用上述模型对济二号煤矿试验工作面的产量、工效和综机设备等主要技术参数进行了预测。