基于IGWO-SVM的露天矿边坡变形预测

为了克服露天矿边坡变形预测时传统算法精度低的问题,利用改进灰狼算法(IGWO)和支持向量机(SVM)建立了露天矿边坡变形IGWO?SVM模型.引入非线性递减的收敛因子策略和惯性权重策略改进灰狼优化算法,用来确定SVM参数,以达到提高模型精度的目的,并将露天矿边坡变形观测数据输入模型进行验证.结果表明,与SVM和BP模型...     

神经网络在宝日希勒露天煤矿边坡变形预测中的应用

随着宝日希勒露天矿开挖深度的增大,边坡变形的预测与控制己成为露天矿安全生产的关键问题之一。由于边坡变形预测是一个复杂的非线性问题,而传统的边坡变形预测理论计算法和实测数据分析法都不同程度存在着局限性,通过深入分析人工神经网络的结构、参数特征及学习算法,建立了边坡变形预测的人工神经网络BP模型。利用所建立的模型对边坡变形进行了预测,预测结果与实际监测数据非常接近。说明采用人工神经网络BP模型进行边坡变形预测是可行且有效的,可推广应用于工程实践中。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

基于遗传BP神经网络的变形数据分析处理

基于遗传算法的全局寻优特性和BP算法无法避免局部极小的问题。为变形数据的分析预测提出了改进的BP网络．即首先应用遗传算法优化网络的初始权重，然后再利用BP算法最终完成网络训练。实例分析表明，改进后的BP网络的训练次数和最终权值相对稳定，该方法在变形数据预测的精度、速度和稳健性等方面都优于BP网络。     

小波神经网络在露天矿边坡变形预测中的应用

为了提高边坡位移变形监测数据预测的精度和可靠性,建立了基于改进BP算法的小波神经网络预测模型。以水厂铁矿GPS边坡监测数据为样本,通过编制Matlab小波神经网络程序进行训练和预测。结果表明,小波神经网络预测模型有良好的函数逼近能力及容错能力。因此,该预测模型在非线性时间序列预测中,具有高精度性和可靠性。     

神经网络PID在温度控制中的应用

提出了一种基于BP神经网络的PID控制器方法,充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。采用3层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。实验结果表明,该控制器具有响应速度快、精度高和良好的鲁棒性。     

基于遗传算法优化BP神经网络的瓦斯浓度预测研究

为了提高瓦斯浓度预测的精度和稳定性,提出了将遗传算法(GA)与BP神经网络结合的预测方法。利用BP神经网络能以任意精度逼近非线性函数的优点,结合遗传算法的全局搜索能力,优化神经网络权值和阈值,建立GA—BP混合算法模型预测瓦斯浓度。实验结果表明,GA—BP算法与BP神经网络相比,具有较高的预测精度和较强的稳定性。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于Adaboost的改进BP神经网络地表沉陷预测

BP神经网络可以解决地表沉陷等非线性关系问题,为了更精确地进行地表沉陷变形预测,引入Adaboost算法对BP神经网络进行改进,并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试,经过多次迭代,将每个BP神经网络作为一个弱预测器加权组合,形成强预测器,并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明:Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm,平均相对误差为5.82%,与BP神经网络预测相比,绝对误差降低了2.594 7 mm,相对误差降低了27.46%,由此表明Adaboost的BP神经网络适用于地表沉陷预测,且预测精度更高。     

基于Matlab的改进BP在煤炭产量预测中的应用

准确预测未来我国煤炭产量对保持我国煤炭供求平衡具有重要的指导意义.本文讨论了BP神经网络及其改进算法,提出了一种采用L-M算法的改进BP神经网络的非线性系统预测模型,并将其用于煤炭产量预测中,通过具体的仿真及实践结果验证了改进BP的有效性.     

深凹露天矿山岩质高陡边坡稳定性预测

结合大冶铁矿东露天高陡边坡,运用线性和非线性方法研究了岩质高陡边坡的稳定性预测模型。首先采用岩质边坡稳定性分析复合指标对边坡岩体质量进行分级;在此基础上,分别运用多元线性回归和BP神经网络方法研究边坡稳定性预测模型,并将其结果与极限平衡分析方法进行对比。结果表明,边坡稳定性与其影响因素之间存在着复杂的非线性关系,应用BP神经网络方法预测露天矿山高陡岩质边坡稳定性是有效的、可行的。     

露天矿边坡监测中的小波滤噪与BPANN预测

针对边坡变形量预测难的问题, 将小波分析与BP神经网络预测相结合, 采用小波变换对边坡变形监测数据进行信噪分离, 进而消除观测误差, 通过BP神经网络预测模型BPANN对处理后数据进行再处理, 对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法, 并在鞍山某露天矿进行了实际应用。实例结果表明: 利用小波去噪与BPANN模型预测的监测点精度达到3 mm, 满足二等变形监测的要求, 数据处理简便, 在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。     

GRNN神经网络在矿区地表变形预测中的应用

针对矿区地表变形预测受多种因素影响的复杂性、非线性等特点,基于新型广义回归神经网络（GRNN）,构建了矿区地表变形预测模型。首先,介绍了GRNN的建模原理,并对影响GRNN网络预测的关键因素进行了讨论;其次,为了提高网络的泛化能力及预测精度,采用滚动建模方式对网络进行建模训练,并基于最小均方误差原理提出了交叉验证搜索算法对GRNN网络预测关键参数平滑因子SPREAD进行优选;最后,将优化后的GRNN网络应用于某矿区地表变形预测,并与LM-BP、RBF、回归分析3种模型的预测效果进行了比较,结果表明,GRNN网络泛化能力强、算法稳定,且预测精度较高,适合于矿区地表变形预测。     

基于BP-遗传算法的排土场边坡几何参数优化

在保证矿山安全生产的前提下,为发挥排土场最大经济效益,提出了基于BP-遗传算法的排土场边坡几何参数优化方法。以弓长岭大阳沟排土场为例,借助极限平衡法获取研究所需数据,利用BP神经网络建立边坡坡角、单段台阶高度及相应的安全系数间的非线性关系,并以此关系式为边界约束条件,建立了优化边坡几何参数的数学模型,利用遗传算法和传统优化算法进行寻优。结果表明,与传统优化算法相比,BP-遗传算法的优化结果更加精确、可靠,有效避免了传统优化算法在寻优时易陷入局部最优解的问题。提供了一种简单、精确、可靠的排土场边坡几何参数优化方法,具有较好的应用前景。     

BP网络在露天矿边坡角优化中的应用

基于影响边坡稳定性的主要自然和工程因素,运用BP神经网络预测岩质边坡的稳定性,经大量样本进行网络训练,得出可靠的BP网络模型,预测露天矿最终边坡的最优化角度,并将结果与多元线性回归的预测角度比较。研究表明神经网络法具有精度高、收敛速度快、容错能力高等特点,能够满足实际工程的需要,是有一定实用价值和参考价值的边坡稳定性预测方法。     

机器视觉技术估算边坡连续形变体积

"自动化"是实现矿山数字化、智能化的关键一步,同时也是矿山生产安全的重要保障.由于矿区环境复杂,造成边坡发生形变产生的原因、形变持续时间存在差异,使得准确提取边坡连续形变信息变得极为困难.为提升该类信息提取的准确度,提出一种基于深度信息的边坡连续形变信息提取方法.首先通过试验模拟矿山边坡,利用深度相机记录边坡在降雨条件...     

基于GA-BP模型的露天矿边坡稳定性预测

针对现有研究方法在预测露天矿边坡稳定性时存在适用性不强和误差大的问题,基于遗传算法对BP神经网络进行改进,提出一种露天矿边坡稳定性预测模型。该模型以坡体容重、黏聚力、内摩擦角、边坡倾角、边坡高度和孔隙压力6个参数为输入变量,以安全系数为输出变量,随后利用该模型对露天矿边坡的实例进行分析,与传统BP神经网络预测模型性能进行比较。研究结果表明:GA-BP模型在进行露天矿边坡稳定性预测时效果好,具有误差小和计算精度高的优点,为准确预测露天矿边坡稳定性提供了一种新的方法。     

三维边坡稳定性系数计算新方法及其工程应用

应用有限差分程序FLAC3D,对露天矿边坡工程在分步开挖过程中表现出来的三维变形效应进行了研究,发现随着边坡开挖长度的不同,边坡向临空侧的最大位移呈现出显著的非线性变形响应特征,即在非线性变形曲线中出现一个重要特征点和由该点可以界定的两个差异明显的变形阶段;据此建立了变形体力学与刚体极限平衡分析的关系式,进而提出了三维边坡稳定性系数计算新方法,并成功应用于安太堡露天矿西端帮工程实践,在陡帮安全回采方面,取得了良好的技术经济效益和社会效益.