基于BP神经网络模型的巷道变形预测系统开发

通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织.     

基于BP神经网络的地下水水位预测

基于BP网络模型 ,对地下水水位变化规律进行了定量预测。网络模型由三层构成 :输入层、隐含层、输出层。节点单元以及各层间的连接强度决定了BP网络的执行情况。实验结果表明 ,BP神经网络是一种较为有效的预测方法     

爆破震动强度预测的神经网络模型研究

爆破震动控制一直是工程爆破界的一个重要研究课题,而如何对爆破震动进行准确地预测则是进行震动控制的前提和基础。BP神经网络是目前在非线性预测中得到极为广泛的一种神经网络模型,通过建立一个BP神经网络实现了对爆破震动速度的预测,并与常用的线性回归方法进行了比较,结果表明,神经网络预测模型具有更高的精确性。     

动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析

为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。     

基于灰关联-神经网络方法的冲击地压预测

通过对影响冲击地压的各因素进行灰关联分析,得出了各因素对冲击地压影响程度的重要性排序,选择关联度排列前8位的影响因素作为输入参数,建立了冲击地压预测的BP神经网络模型,并进行了实际应用。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

基于神经网络的时间序列对煤矿安全性的预测

将人工神经网络的BP模型用于多变量时间序列预测，并将预测结果与单一指标的时间序列预测结果相对比，突出了人工神经网络在多变量时间序列预测方面的优势。     

基于BP神经网络的矿井小构造预测

阐述了矿井小断层水平延展长度预测BP网络模型的构建、训练及模拟方法,在总结小断层落差、断层的走向、断层的倾角及断层的倾向等影响因素的基础上,结合赵官井田主采7#煤层典型样本数据,运用Matlab软件来建立网络预测模型,并对该煤层2713和2712 2个工作面的小断层水平延展长度进行预测,发现该网络模型的预测结果与实测结果更接近。     

神经网络模型在爆破震动强度预测中的应用研究

爆破震动控制一直是工程爆破界的一个重要研究课题 ,而如何对爆破震动进行准确地预测是进行震动控制的前提和基础。本文通过建立一个BP神经网络实现了对爆破震动速度的预测 ,并与常用的线性回归方法进行了比较 ,结果表明神经网络预测模型具有更高的精确性。     

中国能源战略规划研究——基于能源消费、能源生产和能源结构的预测

能源消费量、能源生产量和能源结构是一个国家进行能源发展规划时的重要参考指标。本文利用ARIMA模型预测我国短期的能源消费量和能源生产量,再利用马尔科夫链预测我国能源消费结构的变化情况。结合“十三五”能源规划提出的发展目标,对我国能源战略规划的实现情况进行了实证研究。研究结果表明,到“十三五”结束,能源消费总量可以达到预期目标,但能源生产总量稍有不足;煤炭消费的减少以及非化石能源消费的增加情况足以达到预期目标,但天然气消费略有不足,到2025年,预计能源自给情况改善,能源消费结构中煤炭比重进一步下降但天然气消费增长缓慢。针对这些情况,本文建议一方面坚持对能源消费总量的控制,提高能源效率,另一方面重点加强油气和非化石能源的供应能力,着重推进天然气市场的可持续健康发展。     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

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BP神经网络的我国海外矿业投资金融风险预警分析

首先对海外矿业投资的金融风险因素进行了识别,并结合Delphi法建立了相应的评价指标体系,然后应用BP神经网络模型对海外矿业投资的主要投资目的国进行预警分析。结果表明,在未来几年中加拿大、俄罗斯、澳大利亚的风险预警程度中等,巴西、印度与南非的风险预警程度较差,其中南非的经济发展状况较差,印度的国际收支状况、通胀率与财政收支状况较差,巴西的实际贷款利率过高。我国企业可以考虑在风险预警程度较轻的国家进行海外矿业投资。     

基于面板数据模型的我国能源消费特征研究

运用系统聚类与K-均值聚类相结合的分析方法对全国31个省市自治区进行基于环境污染数据的集群分类。然后采用面板模型中的变系数模型与变截距模型,以24个省份2006—2011年的煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然气消费量作为原始数据,分析不同组别各类能源的消费平均水平和消费倾向。研究表明,虽然污染程度变化滞后于能源消费倾向变化,但能源消费倾向变化可能会引起污染程度变化;能源消费倾向与环境污染程度呈负相关;地区能源消费特征与其产业结构、资源丰富程度有关,经济发展水平高、产业结构以集约型为主的地区能源消费强度和能源消费倾向比较低,反之则较高。最后,基于能源消费特征提出了一些协同节能环保的政策建议。     

基于CGE的城镇化对中国能源消费影响研究

中国城镇化水平不断上升,同时伴随能源消耗的迅速攀升,中国能源资源约束日益加剧、能源安全、碳排放约束等问题要求我们必须考虑城镇化对能源消费以及经济发展的影响。基于2007年 中国投入产出表,编制社会核算矩阵,构建静态CGE模型,模拟城镇化对中国能源消费和经济增长的影响。结果显示：城镇化对宏观经济发展具有明显的正向拉动作用;受收入效应的影响,城 镇化带来居民能源需求增加,同时替代效应使得生产部门能源投入增加,能源需求的增加推动能源价格上涨;城镇化使得居民总体福利上升,其中城镇居民福利增加更为显著。     

中国能源消费结构与雾霾污染的关系——基于中国省域空间数据的分析与预测

首先选取多重指标对中国能源消费结构与雾霾污染现状进行描述,然后选取中国30个省市2001—2015年的面板数据,运用空间计量方法对能源消费结构对雾霾污染的影响进行实证检验,最后对中国能源消费结构的变化趋势,以及能源消费结构对雾霾污染的影响进行预测性分析。研究结果显示：1）整体上,我国现有能源消费结构一定程度上会加剧雾霾污染,尽管煤炭消费占比最高,但其单位消费占比对雾霾污染的影响并非最大;2）我国东部地区能源消费结构更加多样化,对煤炭能源的依赖性较低;3）不同雾霾污染物的空间分布也不尽相同,就全国而言,雾霾污染呈现“一荣俱荣,一损俱损”的现状。     

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。     

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。