BP神经网络在顶煤冒放性评估中的应用

 文章依据顶煤冒放性的自然影响因素,应用人工神经网络的理论与方法,建立了顶煤冒放性的BP神经网络评价模型,以文献[1、2]中的29个放顶煤工作面的顶煤冒放性评价结果作为网络模型的学习训练样本,对网络进行训练。最后应用训练后的神经网络,对6个不同煤矿的顶煤冒放性进行评价并将评价结果与实际开采情况相比较,验证了该评价方法的正确性和可行性。     

影响顶煤冒放性的自然因素浅析

针对煤层赋存的自然因素，分析其对顶煤冒放性的影响。     

层次分析法在顶煤冒放性评价中的应用

在介绍层次分析法的基础上,通过对影响顶煤冒放性的诸多影响因素建立层次结构模型,构造判断矩阵,对通过一致性检验的权值进行顶煤分析,这样可实现对顶煤冒放性的评价与分类,为厚煤层采用放顶煤开采提供科学的依据。根据计算结果得出结论与实际相符,该方法在处理矿业工程有关问题中值得进一步研究探讨。     

水峪煤矿综放工作面顶煤冒落规律研究

通过现场实测，发现水峪矿７１０１综放工作面顶煤在支架后方有滞后垮落现象，并从理论上分析了产生这种现象的原因，为分析和治理该面采出率低，含矸率高提供了理论依据。     

顶煤冒放性影响因素研究

本文从顶煤冒放性影响因素出发，运用传统的岩石力学观点和现代分形力学理论，结合现场观测和相相似模拟实验研究，辅之以正交有限元辅助试验，系统全面地研究了顶煤冒放性和诸影响因素的相变化规律，并给出了诸影响因素的临界值范围。     

扎赉诺尔矿区Ⅱ_(3b2)煤层顶煤冒放性评价

结合扎赉诺尔矿区Ⅱ3b2煤层的赋存特征,采用理论分析与现场实测相结合的方法,从煤体物理力学参数、顶煤裂隙分布特征、埋藏深度、煤层夹矸分布、采放高度之比等5个方面进行顶煤冒放性评价。研究表明:Ⅱ3b2煤体单轴抗压强度为14.73 MPa,其垮落角为90°左右,大于合理垮落角;煤层垂直节理发育,煤层呈片状,在矿压作用下极易破坏,有利于顶煤及时垮落;夹矸为泥岩,强度小于煤层,且多数夹矸处于煤层中上部,对顶煤冒放性影响不显著。综合以上分析结果,Ⅱ3b2顶煤冒放性好,适于采用综放开采工艺。     

厚煤层综放工作面顶煤冒放性及回收率分析

顶煤回收率偏低一直是困扰综放开采的一个核心问题,提高综放工作面顶煤回收率对实现综放开采高产高效具有重大意义。本文结合胡家河煤矿401102综放工作面的实际情况,对顶煤破碎机理和冒放性进行了研究,并分析了不同移架方式对顶煤回收率的影响。     

综放开采顶煤冒放性的数值模拟研究

应用FMD-1程序,针对影响顶煤冒放性的煤层强度、赋存深度等六个主要因素进行数值模拟计算,建立了各影响因素与顶煤冒放性之间的数学模型,确定了各因素对项煤冒放性影响程度和主次关系.     

综放工作面顶煤冒放性评价

根据影响综放工作面顶煤冒放性的地质因素，确定出新的评价因素结构，并采用模糊评价方法对顶煤的冒放性进行了综合评价与分类。张双楼煤矿9109工作面的应用表明，本评价结果是有效的，可作为综放工艺选择的可靠依据。     

顶煤冒放性影响因素研究

本文从顶煤冒放性影响因素出发，运用传统的岩石力学观点和现代分形力学理论，结合现场观测和相似模拟实验研究，辅之以正交有限元辅助试验，系统全面地研究了顶煤冒放性和诸影响因素的相关变化规律，并给出了诸影响因素的临界值范围。     

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。     

基于BP神经网络的炼焦煤质量预测研究

焦炭的质量对高炉冶炼的生产有着重要的影响,为了解决焦炭质量预测问题,提出了基于BP神经网络的质量预测算法,文中详细阐述了该模型的建立过程和实现方法,同时也给出了在进行模型处理的时候数据预处理的方法。利用人工神经网络对非线性问题的模拟能力,构建了焦炭质量预测模型,测试结果表明在100组不同类型的焦炭质量预测分析中,质量预测的精度达到了95%。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。     

基于BP神经网络的烟煤类型识别研究

为了对烟煤进行快速分类,建立了BP神经网络识别法。以烟煤中的气煤、肥煤、焦煤为对象,选择煤的发热量、挥发分、灰分、硫分这些影响烟煤分类的主要参数作为BP神经网络的输入量,建立了能反映烟煤类型与这些参数指标关系的BP神经网络模型,对烟煤的类别进行识别。结果表明,该BP神经网络模型具有极强的非线性逼近能力,能真实反映烟煤的类型与相关参数之间的非线性关系,可快速准确地对烟煤的类型进行识别。     

基于BP神经网络的煤矿安全绩效评价模型

建立了基于BP神经网络的煤矿安全绩效评价模型,并以神华宁夏煤业集团大峰露天煤矿为例对安全绩效评价模型进行验证,根据评价结果对其提出相应的对策和建议,对提高煤矿安全评价工作的效率,增强企业的市场竞争力有着重要的意义。     

煤矿重大危险源BP网络评价方法的探讨

该文借鉴煤矿重大危险源的传统标准评价体系基础上,尝试性地建立煤矿重大危险源的动态BP网络评价模型,并且探索性地针对贵州省煤矿区域特点,建立和应用BP神经网络评价框架方法,以达到预期的评价目的和效果。     

基于BP神经网络的刮板输送机健康状态实时评估

利用BP神经网络方法对刮板输送机的健康状态进行实时评估,选取链速、机头及机尾电机电流和机头及机尾电机转矩5个参数作为主要评估指标,建立基于BP神经网络的刮板输送机实时健康状态评估模型。仿真结果表明:该方法能较准确地评估刮板输送机的实时健康状态。     

基于BP神经网络的煤矿安全管理绩效评价

 建立煤矿安全管理绩效评价指标体系,介绍BP神经网络评价法的结构和原理,构建煤矿安全管理绩效评价的BP神经网络模型,对其输入输出参数、各层连接权值和域值进行界定;以matlab6.0软件为平台,利用其内嵌的神经网络工具箱和样本数据对构造好的神经网络进行训练,同时对煤矿安全管理绩效进行预测。     

基于BP神经网络的煤矿通风系统安全评价

研究了BP神经网络的结构和L-M学习算法的步骤,通过分析煤矿通风系统,建立了多因素控制的煤矿安全评价指标体系。在此基础上,运用Matlab编制BP网络程序并利用导师信号对网络进行训练,建立了煤矿通风系统安全评价模型。仿真结果表明待校验样本的安全等级与实际情况相符,L-M算法收敛速度也满足要求。