基于自组织特征映射网络的综合评价模型

首先人脑思维的模糊性特点，在模糊集合论为基础，构造一种用于指导自组织特征映射网络学习过程的模糊熵准则，可以在较大范围内有效地解决自组织特征映射网络（SOFM）的学习问题，然后提出一种基于模糊自组织特征映射网络的综合评价模型，该模型通过确定标准对象，数据的标准化处理，网络自适应学习和评价结果输出等环节，可以有效地解决一类综合评价问题，最后通过一个实例进一步说明其灵活性与实用性。参6。     

煤与瓦斯突出预测的SOFM模型及应用

煤与瓦斯突出是煤矿生产活动中常见的一种动力灾害之一,其危险性等级评价是煤矿安全生产的必要前提和保证。文章综合考虑煤与瓦斯突出发生的地应力、瓦斯和煤的物理力学性质等条件,选取地质破坏程度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及开采深度作为煤与瓦斯突出危险性预测的评价指标。基于此,文章借签一种自组织特征映射(SOFM)神经网络,建立煤与瓦斯突出危险性预测的SOFM神经网络模型,将SOFM神经网络模型应用于国内26个典型矿井的煤与瓦斯突出危险性预测。研究表明,SOFM神经网络模型预测效果较好,其正判率为92.31%。说明该模型可为小样本、多指标的煤与瓦斯突出预测提供一种新的思路。     

基于灰关联和神经网络的通风系统评价模型

针对BP神经网络随维数增加学习时间剧增,易陷入局部最小点以及通风系统评价样本量小、评价指标多的技术难题,利用灰色关联度筛选评价指标,以此确定人工神经网络的输入参数。采用基于Levenberg-Marquardt(L-M)算法的BP神经网络,建立通风系统综合集成评价模型,并用VC++6.0开发了灰关联—神经网络评价软件。选用基于人工神经网络通风系统评价的典型实例作为评价样本,将原有16-32-3的网络模型简化为8-3-3。结果表明,建立的评价模型仿真结论与基于人工神经网络的结论完全吻合,并且模型简单,易于操作,训练效率大幅提高,有一定的推广应用价值。     

人工神经网络在砂土液化评价中的应用

影响饱和砂土液化的因素有多个,单凭某个参数判别砂土是否产生振动液化存在片面性。应用人工神经网络计算原理,建立起７个参数综合评价砂土液化的ＢＰ网络模型,对砂土液化的严重程度和危害程度作出评价。实例研究表明,人工神经网络方法对评价砂土液化行之有效。     

神经网络法的采空区地基稳定性评价

为了定量评价采空区地基的稳定性,提出了应用人工神经网络技术进行预测评价.以采煤工作面终采时间、沉降趋势、深厚比、构造复杂程度、上覆岩层强度、相对位置、"活化"因素等作为评价指标,将采空区稳定性等级从稳定至不稳定划分为4个稳定级别,中间层设8个神经元,建立了3层BP人工神经网络模型.利用模糊综合评判结果对神经网络模型进行训练,并预留了8个评价单元用于检验.BP人工神经网络在训练过程中显示出良好的收敛效果,训练后的BP人工神经网络模型对采空区稳定性的预测评价结果正确,对工程建设的可行性评估和规划设计等具有指导意义.     

我国煤炭城市分类及其发展路径分析

依据煤炭城市划分的原则要求,提出了煤炭城市分类的“三维结构模型”,应用此模型,对我国51个煤炭城市进行了详细的类型判别及模式识别。在统计技术与SOFM人工神经网络的支持下,从规模、职能和区位三个维度对煤炭城市进行了分组判别并予以五种类别的复合划分,最后对不同类型的煤炭城市发展路径进行了分析。     

基于人工神经网络的矿山综合经营效果分类

建立了矿山综合经营效果分类指标体系，并根据具体情况对各指标进行了量化。利用BP人工神经网络建立了矿山综合经营效果的分类模型，利用改进学习算法对BP网络进行训练，并利用训练网络模型对实际矿山进行了分类。     

BP算法在矿井通风系统评价中的应用

矿井通风系统安全评价是矿井通风安全现代化管理的重要内容。根据煤矿通风系统安全评价指标体系建立原则,建立多因素控制的煤矿安全评价BP人工神经网络模型。在此基础上,运用Matlab编制BP网络程序对网络进行训练,建立煤矿通风系统BP网络安全评价模型。预测结果表明,应用BP神经网络进行通风系统安全评价,网络收敛性满足要求,评价精度比较高。     

人工神经网络故障诊断及应用

人工神经网络故障诊断及其应用本文阐述了用人工神经网络模型诊断减速机滚动轴承故障的方法，建立诊断用的BP网络模型，并对网络模型进行了试验验证     

基于神经网络铀矿边坡稳定性分析

如何能比较准确地预测滑坡的发生,已成为各矿山开采过程中的难题之一。对人工神经网络及BP网络模型作了简要的介绍,分析BP网络的结构特点、参数选择、数据收集与处理、构造网络模型等问题之后, 以中核金安铀矿的边坡稳定状况为学习训练样本及预测样本, 建立了预报模型。讨论了基于BP神经网络技术的边坡岩体稳定性分析方法及其有效性。实例计算表明,通过样本的训练检验,利用人工神经网络方法对边坡稳定性的预测取得了比较满意的效果,为今后此类边坡稳定性的评价提供了可借鉴的方法。为神经网络在矿山边坡稳定性的应用提供了可行性。     

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     

人工神经网络在煤巷顶板岩性识别中的应用

为了探测顶板岩层组合状况从而更好地满足锚杆支护设计要求,采用人工神经网络方法研究了煤巷顶板岩层岩性识别的实际问题,并根据打钻过程的特点,采用BP网络研究了人工神经网络的结构和输出方式,分析了影响人工神经网络应用效果的各因素,在人工神经网络的优化设计方面作了较深入的研究．研究表明：人工神经网络用于识别所钻岩层误差仅有5％,达到了很好的效果;人工神经网络的参数,如学习率、训练步长、动量系数、隐含层单元数和数据处理方式等对于人工神经网络的应用效果有很大影响．     

边坡稳定分析评价的概率神经网络方法

应用基于概率神经网络的方法,建立了由８０个边坡工程实例所组成的ＡＮＮ预测知识库。并对某工程几个实际边坡段稳定性进行了预测研究,结果可行。     

采矿方法模糊优选的神经网络模型构造及其应用

应用神经网络模式识别原理，构建一种人工神经网络(ANN)——弹性神经网络，能较好地解决常用BP神经网络梯度算法中可能出现的收敛缓慢和局部最小问题，将模型应用于大红山铜矿缓倾斜中厚矿体采矿方法模糊优选，与用模糊数学法得出的结论基本一致。终选出的采矿方法工业试验后取得了显著成效，证明该决策方法切实可行。     

基于MATLAB的BP网络在矿产资源预测中的应用

人工神经网络（ANN）是近几年兴起的一门综合交叉学科。人工神经网络在进行预测时，是在输出和输入之间建立一个非线性眏射关系，ANN可自动模拟各种成矿因素之间的自然关系，进行全局优化搜索，减少人为干预，提高资源预测的准确率。其中以反向传播网络--BP网络应用最广泛。由于MATLAB提供了跟踪国外先进计算方法与数学模型的许多工具箱，利用MATLAB中的神经网络工具箱，可方便地实现BP网络模型的学习、训练、拟合及预测（仿真）过程。基于上述思路以陕西省旬北地区铅锌矿的远景区预测为例，在MATLAB平台中调用其内部函数建立了BP人工神经网络矿产资源预测系统，并在此基础上进行了远景区预测。     

基于人工神经网络的三维矿床模型

基于钻孔勘探数据，设计并建立了矿床模型的BP神经网络模型，用煤层的底板数据对神经网络进行训练，用训练好的网络对煤层的底板进行模拟，建立矿床的神经网络模型.通过某矿的实际数据，实现了利用神经网络方法建立三维矿床模型，并对矿床模型进行了三维显示.结果表明，矿床模型三维显示精度较高，已经在矿山生产中得到实际应用.     

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。     

RESEARCH ON APPLICATION OF ARTIFICAL NEURAL NETWORK EXPERT SYSTEM IN DIAGNOSIS OF DAMAGE OF PRESTRESSED CONCERETE PILES AND BOLT

The expert system (ES) technology is combined with artificial neural network (ANN) theory and engineering experience. Based on the framework of artificial neural network, a Back Propagation is structured. Discuss the use of ANN for non-linear diagnosis of damage of prestressed bolt and prestressed concrete piles (PCP) during driving in rock underground engineering and civil engineering. IN terms of Chinese windows95 utilizes C and AINET and XI-PLUS software, make it a reality.     

边坡抗震稳定性分析的神经网络法

从人工神经网络的基本原理出发 ,建立了边坡稳定性分析的人工神经网络模型。选择四川和云南地区的 70个边坡实例作为学习样本 ,对BP算法进行了学习和检验。计算表明 ,BP网络性能良好 ,所建立的模型预测精度高 ,具有一定的工程实用价值