A comprehensive investigation of loading variance influence on fuel consumption and gas emissions in mine haulage operation

The data collected from haul truck payload management systems at various surface mines show that the payload variance is significant and must be considered in analysing the mine productivity, diesel energy consumption, greenhouse gas emissions and associated costs. The aim of this study is to determine the energy and cost saving opportunities for truck haulage operations associated with the payload variance in surface mines. The results indicate that there is a non-linear relationship between the payload variance and the fuel consumption, greenhouse gas emissions and associated costs. A correlation model, which is independent of haul road conditions, has been developed between the payload variance and the cost saving using the data from an Australian surface coal mine. The results of analysis for this particular mine show that a significant saving of fuel and greenhouse gas emissions costs is possible if the standard deviation of payload is reduced from the maximum to minimum value.     

基于IABCElman神经网络的电厂耗煤量短期预测

针对电厂耗煤量具有不确定性的特点及传统Elman神经网络利用梯度下降训练网络参数易陷于局部最优的缺点,基于人工蜂群(ABC)算法,提出了一种改进蜜源更新方式和跟随蜂选择引领蜂方式的改进ABC优化算法,结合进煤量、存煤量和发电量,建立了Elman神经网络电厂耗煤量短期预测模型(IABC-Elman)。实际算例表明,基于IABC-Elman电厂耗煤量短期预测模型结果能达到耗煤量短期预测的标准,与传统神经网络相比具有更高的预测精度。     

基于混合BP神经网络的原油管道电耗预测研究

原油管道电耗的准确预测能够用于控制原油管道耗能水平,充分挖掘原油管道输送系统的节能潜力。实际采集到的原油管道运行数据具有波动范围大的特点,且存在严重的噪声干扰和信息冗余,对精确预测管道电耗造成不良影响。为解决上述问题,提出一种基于混合神经网络的电耗预测模型。利用自适应噪声的完备集成经验模态分解,对原油管道日运行数据进行分解;利用主成分分析对分解后数据做降维处理;利用改进粒子群算法调节神经网络结构参数;使用该模型预测某原油管道电耗,并与常见的几种预测模型展开对比。结果表明,分解算法能够提高模型预测精度;该混合神经网络模型预测精度最高,其测试集的平均绝对误差为5.394%,较使用分解算法前降低39.200%。     

基于量子神经网络(QNN)的语音增强技术

将量子神经网络(QNN)应用于语音增强技术中,并与基于径向基函数神经(RBF)网络的语音增强技术进行比较.实验结果表明,基于QNN上的语音增强技术效果比基于人工神经网络(ANN)中的RBF网络的语音增强技术效果好,消噪能力强,有更好的鲁棒性.另外,该技术还能够改善语音质量.     

多子群粒子群集成神经网络

为了使参加神经网络集成的个体差异度较大,从而提高网络集成的泛化能力,本文提出一种新的基于多子群粒子群算法的神经网络集成方法.每个子群通过补充差异度独立训练出一批神经网络,从每个子群中选择一个最优个体参加网络集成,实验使用了UCI标准数据集.实验证明,该算法的识别能力要好于Boosting、Bagging等传统方法.     

人工神经网络及其在焊接过程控制中的应用展望

概略地综述了人工神经网络和焊接过程控制的概况和特点，探讨了人工神经网络可用于焊接过程控制的几种途径，并对其存在的某些问题和发展趋势作了讨论。     

汽油组分辛烷值预测改进

基于人工神经网络（ＢＰ）方法,用毛细管色谱法对南京炼油厂２９个汽油馏分样本进行全馏分分析,从色谱图中取出７个正构烷烃峰作为特征峰,共构成１５个虚拟组分,用于关联预报汽油组分的辛烷值,定性工作量大为减少。所建立的人工神经网络拓扑结构为１５－７－２,学习速率为０２,动量因子取０９,人工神经网络训练次数为４０００次,训练集样本１９个,检验集样本１０个,其辛烷值预测最大绝对误差为０２８,平均误差为０１２２,比常用的线性回归数学模型法更能准确地预报辛烷值。     

基于BP网络的燃烧器火焰燃烧状态识别

基于原有数字图像处理系统,根据采集的电站锅炉直流燃烧器和旋流燃烧器火焰图像,讨论了特征值的意义和提取方法,运用现代人工神经网络智能理论,设计并训练了BP网络实现燃烧状态实时判断的功能。     

不完全人工神经网络的初步研究

提出一种新型的人工神经网络，不完全人工神经网络。实例表明这种网络是用于系统建模的有效方法     

应用神经网络评价矿区可持续发展

矿区可持续发展是一个涉及多因素、多层次结构、复杂的非线性系统。在分析影响矿区可持续发展因素的基础上,建立了矿区可持续发展评价的多层次结构神经网络模型,并通过实例研究验证了应用神经网络评价矿区可持续发展的可行性。     

基于人工神经网络的非线性系统辨识

人工神经网络是一个非线性动力学系统，具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力，对非线性系统进行系统辨识。仿真结果表明，该方法是可行的，计算精度高。     

矿井突水水源判别方法与应用

对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67%,训练样本的选择和数量对预测结果影响较大.     

神经网络在计算测井参数中的应用

论述了人工神经网络的基本原理。采用误差反向传播神经网络（ＢＰ网络）对油田测井解释参数束缚水饱和度进行了计算和分析，使误差精度提高了１０％。     

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

Movement scope of strata based on fuzzy BP neural network in underground metal mines

A prediction method of strata movement in underground metal mines is put forward, in which fuzzy BP neural network is applied. The results show that there is a strong nonlinear relation between the selected factors and strata movement angle, the anticipant and the actual output results are very similar. It is proved that the numerical value of movement angle is correlated with the selected factors in theory. The scope of strata and surface movement due to mining can be predicted. This research provides a thought to study the movement scope of strata due to mining.     

基于神经网络方法的成都市居民生活用水量预测和分析

基于成都市1981－1998年间居民生活用水量的实际数据,采用人工神经网络方法对影响居民生活用水量的主要因素进行了分析,然后,采用相关因素预测法和组合预测法预测了居民生活用水量。经实际样本检验表明：组合预测法的预测精度较高。最后,采用组合预测法预测了成都市1999－2004年的居民生活用水量。     

BP网络学习算法改进方案的探析

Ｂ Ｐ 网络是目前应用最为广泛的神经网络,但由于 Ｂ Ｐ 网络采用的是梯度下降法,这就不可避免地会出现网络学习收敛速度慢及容易陷入局部极小等问题。此外,学习因子和惯性因子选取对网络的收敛有较大的影响,但它们只能凭 经验确定。因此, Ｂ Ｐ 网络的有 效应用受到 了一定的限 制。针对 Ｂ Ｐ网络的学习收敛速度慢这一主要缺陷,对改进激励函数、改进 误差函数、改进一般化误差、学 习因子和惯性因子的自适应调整、梯度下降法与直接搜索法相结合、全局 优化、非线性优化、拓仆修正算 法等多种改进方案按改进原理进行了分类综述,并在此基础上,通过解决 Ｘ Ｏ Ｒ 问题的仿真实验对部分改进方案进行实验性评价,分析说明了它们的优劣和特点。     

ANN 电力系统短期负荷预测

采用了优化计算的神经网络结构、可变的学习率η和动量α,选取了能充分反映负荷变化规律的特征量．实例计算表明,方法有效,预测精度比常规方法高,收敛性好,运算速度快     

人工神经网络-吸光光度法同时测定锆和铪

用间羧基偶氮苦氨酸溶液(mk)为显色剂,研究了它与锆和铪显色反应的最佳条件和适用范围.用人工神经网络法成功地实现了锆和铪的同时测定.