人工神经元网络预测顶板来压

本文探讨利用人工智能中的神经元网络对采煤工作面顶板来压步距进行预测，即以人工神经元网络方法代替原来的多元非线性回归，以顶板来压时实测的数据作为输入参入，便可得到输出结果，判断顶板来压步距。     

倾斜煤层采场老顶初次来压步距的计算

本文针对倾斜煤层老顶岩层刚度各向异性的特点,采用正交梁模型分析老顶初次来压步距的构成、变化规律及计算方法,并论证了其结果较弹性薄板的精确解更接近实际。     

综采工作面来压步距自动计算与预测

加强矿压监测及预警,丰富防治顶板灾害的有效手段,需进行综采工作面来压步距自动计算与预测。在矿压分析时,利用分区间法建立矿压与割煤过程的联系,采用累计进尺算法计算出工作面时间与进尺的对应关系;并计算了液压支架最大循环末阻力和来压步距。基于统计学中数量关系分析方法,计算出工作面历史来压步距并预测了下次来压位置;并将分析结果以直方图、曲面图、表格等形式通过企业微信实时推送。实践表明,该方法初步解决了目前煤炭企业面临的矿压规律分析与预测的问题,为综采工作面顶板控制提供了可靠的数据保障。     

立体相似模拟实验判断老顶来压的新方法

通过在立体相似模拟实验的老顶坚硬岩层中预埋小铁片并用导线引到模型外部测量其位移的方法，获取了老顶来压步距及老顶断裂位置，这种新的方法解决了立体实验中无法观测工作面中部来压及老顶断裂位置的缺陷，为将老顶视为“板”的研究提供了更好的实验手段。     

综采工作面长度对周期来压步距的影响分析

结合采场顶板老顶断裂特点及数值模拟,运用弹性薄板理论构造采场老顶在周期断裂时的变形挠度方程,推导出采场顶板周期来压步距理论计算公式,通过工程实例验证了公式的正确性,研究成果可为煤矿采场工作面周期来压步距预测提供参考。     

葛铺矿14-1103综采面老顶来压步距预测及实践

针对正利煤业公司葛铺煤矿14-1103综采工作面煤层赋存情况,对14-1103综采工作面老顶的初次来压步距和周期来压步距进行了分析计算,根据结果对顶板采取了有效管理措施,实测结果与计算结果较吻合,为其它工作面提供了借鉴。     

坚硬顶板条件下老顶来压预测预报

卧龙湖煤矿首采103工作面顶板为坚硬顶板,为保证矿井安全生产,在分析工作面围岩力学性质和开采技术基础上,利用弹性地基梁理论,提出了适合卧龙湖矿的矿压观测方法,对103首采工作面的老顶来压规律进行了研究。采用圆图压力自记仪作为观测手段,对老顶来压位置和时间进行实测,并提出了老顶来压期间的顶板控制措施,确保了工作面的安全生产。     

老顶分层厚度对工作面初次来压步距的影响

以南梁煤矿20109工作面为原型,采用数值模拟和物理模拟方法研究老顶不同分层厚度对浅埋煤层工作面顶板初次来压步距的影响。模拟计算结果基本吻合,为预测该区工作面初次来压步距进而防治大面积来压灾害提供依据。     

电磁辐射预测老顶来压规律研究

电磁辐射信号越强 ,说明煤体中应力越高 ,变形破坏过程越强烈 ,通过工作面测量对电磁辐射幅值和脉冲数的监测 ,反映出煤体受顶板压力作用变化的状况 ,并且可以科学、简便、有效的预测顶板运动规律。     

利用遗传算法优化的小波神经网络实现地热资源预测

文章主要介绍了一种基于遗传算法优化的小波神经网络进行地热资源评测的方法。选择对地热资源产生具有较大影响的火山、地震、布格重力、磁异常、到断层距离和地下水SiO2组分作为评测影响因子,利用小波神经网络优异的时频转换、网络自学习特性和遗传算法的全局优化特点,将两者相结合,对网络参数进行优化,并进行网络自学习。通过数据仿真得到的预测值与实际值基本一致,证明了该方法具有良好的地热资源评测前瞻性。     

非线性动力学模型识别的人工神经网络方法及其应用

本文从微分方程数值解的观点讨论了时间序列分析的随机理论与现代非线性动力学方法的联系，就预报公式而言，非线性动力学方法更具有广泛性。     

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。     

用神经网络综合预测水力旋流器性能

将人工神经网络用作水力旋流器的性能预测模型，实现了对其性能的全面预测，并探讨了结构及工艺参数对其性能的综合影响，弥补了以往数学模型预测的某些不足，为水力旋流器性能的综合预测提出了一个有效而简单的新手段。     

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     

矿井开采工作面开采工艺方式选择的神经网络模型

利用神经网络及模糊数学理论，建立了工作面开采工艺方式选择的神经网络模型，并用于对实际工作面进行检验，结果证明模型是可信的。     

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。     

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。     

人工神经BP网络预测露天采场爆堆矿石质量的方法

露天矿采场的矿石质量数据预测控制的准确程度直接影响着矿石质量的利用，它是矿石质量管理的原始数据，是输出矿石质量能否稳定和均匀的前提和保证。人工神经BP网络控制预测露天矿采场爆堆的矿石质量，既可减轻目前人工爆堆取样的劳动强度，又可减少大量的化验费用。     

改进的BP神经网络在边坡稳定性评价中的应用

本文利用人工神经网络的非线性映射能力,在考虑影响边坡稳定性的各种因素的基础上建立了边坡稳定性评价的BP神经网络模型。经过计算结果的检验,证明该模型是可行的,对今后边坡稳定性预测具有借鉴意义。