基于遗传算法优化的煤粉着火温度BP神经网络预测模型

采用遗传算法（GA）对BP神经网络（结构和初始权值、阈值）进行了优化，获得了影响煤粉着火温度预测的主要煤质指标（M_ad，A_ad，V_ad，O_ad），建立了优化的煤粉着火温度BP神经网络预测模型．对20个校验样本的预测结果表明：预测值与试验值的平均相对误差为0.29%，均方差为59.29，达到了较高的预测精度．     

基于BP神经网络的煤自燃温度预测研究

为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系统,模拟煤自然发火时的漏风强度和供氧量,收集指标气体和温度等相关数据。采用气体成分分析法和神经网络算法建立BP神经网络预测模型,选取CO、CO2、CH4、C2H6、C2H4气体浓度作为神经网络的输入层,煤温作为输出层,设置8个隐含层神经元对煤自燃情况进行预测。结果表明：经过训练后,预测温度与实际温度基本吻合,误差控制在0～0.00065,该预测模型的建立对于矿井煤自燃早期预报有着极其重要的指导意义。     

基于BP神经网络的煤炭自燃温度预测方法研究

在对BP神经网络原理进行分析的基础上,设计出预测煤层温度的BP神经网络模型,然后对实验数据进行仿真模拟,采用MATLAB语言,利用样本进行网络训练后,得出的预测结果达到了工程实际能够接受的精度,说明该模型能够用于煤矿煤炭自燃温度的预测,实现煤炭自燃早期预报。     

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     

煤着火温度的实验研究

利用自制的煤燃烧特性综合测试仪获得了煤粒的温升曲线，根据非临界着火条件确定着火温度．研究表明：采用煤柱制样法和10℃／min的升温速率获得了稳定和重现性好的结果；煤样的着火温度随挥发分含量的升高而降低，随灰分含量的升高而升高．     

浅谈煤的着火温度测定方法

笔者在2002年<煤质技术>增刊中看到煤科总院煤炭分析实验室施玉英同志的<煤的着火温度测定方法的研究>一文.在此也谈谈自己的一点感受.     

煤的着火温度测定仪的试验

介绍了煤着火温度测定仪的技术条件,该仪器测定煤炭着火温度精密度高、数据准确。对比试验结果表明,可替代经典的空气膨胀法。     

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。     

基于BP神经网络的露天边坡角预测

针对广东泥竹塘铁矿露天边坡稳定性问题,为了获得矿山的稳定露天边坡角,研究使用BP神经网络进行预测分析。在预测过程中,以边坡岩体质量系数、岩体综合抗压、抗拉强度、内聚力、结构面力学特性、边坡高度及岩体密度等7个指标为输入因子,综合国内矿山27组露天矿山现场数据,建立网络学习、训练样本库,从而实现泥竹塘铁矿稳定露天边坡角的预测。结果表明,露天边坡角的BP神经网络预测模型最大误差小于3%,训练输出误差较小,精度较高,得到的泥竹塘露天铁矿上盘最终边坡角的预测值为42.8°,上盘最终边坡角的预测值为40.1°。多年的生产实践表明,该预测成果与实际基本相符,可为今后类似工程提供参考。     

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%。     

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BP神经网络的综采工作面指标测定

随着计算机信息处理技术的发展,BP神经网络应用到各行各业的决策工作中。文章在分析BP神经网络的思想和计算方法的基础上,提出了基于BP神经网络的综采工作面指标测定方案,通过林南仓矿10438综采工作面的实际验证,该测定方案取得了良好效果,为今后煤矿企业开采计划的制定提供了理论依据。     

煤与瓦斯突出BP神经网络预测系统研究

煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。     

基于BP神经网络的直接转矩控制

提出一种基于神经网络智能控制的直接转矩控制系统,神经网络控制是智能控制一个重要的分支,它能够处理非线性、不确定性等问题,具有强大的学习能力。利用神经网络控制代替传统直接转矩控制中的矢量优化选择表,神经网络控制能够迅速、准确地选择逆变器的开关状态。仿真结果表明,基于神经网络控制的直接转矩控制系统能够改善系统非动态、稳态性能。     

基于BP模型的煤矿安全管理投入经济分析

为了合理利用有限资源,通过集成AHP与BP神经网络,建立煤矿安全投入综合评价模型,优化赋权,避免了局部最小点误差,使预测结果更加准确。同时考虑到煤矿系统安全投入不平衡的实际情况,结合西方经济学原理,调整生产函数中各要素投入量,利用已验证的BP网络进行二次预测。经验证优化投入会带来更高的经济效益,是未来发展的新方向。     

基于BP神经网络的煤体结构类型判识模型研究

针对矿井中在煤体结构类型细致辨识方面存在的难题,根据构造煤的结构特点及超声波在煤体中的传播特性和规律,并综合考虑波速、衰减系数等与煤体结构类型相关的参量,提出了一种以超声波反射法和BP神经网络为基础的煤体结构类型判识模型。实验证明该模型能够对煤体结构类型实现有效的判识,对煤与瓦斯突出灾害的预测具有重要的指导意义。     

基于BP神经网络煤与瓦斯突出强度预测模型

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。     

基于BP神经网络电路故障诊断系统研究

从几个方面介绍了存在于模拟电路中的故障类型。通过阐述BP神经网络的模式识别特点,提出了应用BP神经网络来解决电路故障诊断问题,并且分别应用BP算法和几种改进的BP算法进行结果比较。     

基于灰色理论和BP神经网络的多绳摩擦提升机钢丝绳张力不平衡预测

对多绳摩擦提升机钢丝绳张力不平衡进行预测和预警,既有利于保证生产安全,又能节约成本,合理安排生产计划。提出了新陈代谢GM(1,1)灰色模型和BP神经网络相结合的混合模型,对钢丝绳张力不平衡程度进行预测。试验结果证明了该模型的有效性,为钢丝绳张力不平衡预测研究提供参考依据。