应用BP神经网络确定露天矿边坡角

应用人工神经网络理论，提出了预测露天矿边坡角的新方法。通过收集到的边坡角的实例，对所建立的BP网络模型进行训练与预测。预测结果表明，人工神经网络模型预测露天矿边坡角有很高的精度，对露天矿边坡角的设计有很高的参考价值。     

用BP网络预测高掺量粉煤灰对混凝土强度的影响

大量掺入粉煤灰使得混凝土的组成更加复杂，其强度已不能用线性函数来求解，可采用人工神经网络来预测。结果表明，用BP网络来预测混凝土强度具有可靠的预测性能。     

基于人工神经网络的煤炭自燃预测预报技术的研究

论述了煤炭自燃的危害，并应用人工神经网络理论对官地矿自燃发火进行了预测。预测结果与实际结果基本吻合，为解决煤炭自燃的预测提供了良好的方法，具有较大的应用价值和应用前景。     

应用BP神经网络确定露天矿边坡角

应用人工神经网络理论,提出了预测露天矿边坡角的新方法.通过收集到的边坡角的实例,对所建立的BP网络模型进行训练与预测.预测结果表明,人工神经网络模型预测露天矿边坡角有很高的精度,对露天矿边坡角的设计有很高的参考价值.     

投资决策的理论探讨

采用人工神经网络预测方法对项目进行预测，合理计算投资估算和投资预测，保证其它阶段的造价控制在合理范围，实现投资控制目标。     

人工神经网络特性试验与应用

通过人工神经网络（ＡＮＮ）试验，掌握人工神经网络模型式识别与函数映射的几个特性，并用于建立突水模型，根据ＡＮＮ自动识别突水规律进行突水预测。结果证明，用人工神经网络建立突水模型具有其他方法不可替代的优点。     

基于MATLAB的BP网络在矿产资源预测中的应用

人工神经网络（ANN）是近几年兴起的一门综合交叉学科。人工神经网络在进行预测时，是在输出和输入之间建立一个非线性眏射关系，ANN可自动模拟各种成矿因素之间的自然关系，进行全局优化搜索，减少人为干预，提高资源预测的准确率。其中以反向传播网络--BP网络应用最广泛。由于MATLAB提供了跟踪国外先进计算方法与数学模型的许多工具箱，利用MATLAB中的神经网络工具箱，可方便地实现BP网络模型的学习、训练、拟合及预测（仿真）过程。基于上述思路以陕西省旬北地区铅锌矿的远景区预测为例，在MATLAB平台中调用其内部函数建立了BP人工神经网络矿产资源预测系统，并在此基础上进行了远景区预测。     

矿产资源勘探新增储量预测研究

为对勘探新增的矿产资源储量进行定量地预测,运用系统工程的理论,分析了矿产资源勘查系统,提出了用人工神经网络预测矿产资源勘探新增储量,并识别出影响矿产资源勘探新增储量的因子。编写了基于matlab7人工神经网络工具箱的预测程序,完成了人工神经网络的构建、训练和测试,对广西铅锌矿未来5年新增储量进行了预测。     

人工神经网络在矿井监测监控数据中的预测研究

根据人工神经网络原理,结合贵州省某矿的实测数据,建立BP神经网络模型,借助计算机MATLAB 7.5,对瓦斯浓度进行了预测,说明人工神经网络在矿井安全预测上的可行性。     

人工神经网络应用于煤与瓦斯突出强度预测的探讨

介绍了人工神经网络的原理及算法,并从地质角度出发,建立了突出强度预测的BP网络模型,通过实例应用,结果表明,只要有足够的实测作为样本,人工神经网络用于突出强度预测是可行的。     

人工神经网络方法在采煤机故障诊断中的应用

介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

BP神经网络方法在采煤机故障诊断中的应用

本文介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

基于BP神经网络的我国铁矿资源需求情景分析

在介绍世界铁矿资源概况以及我国铁矿资源供需现状的基础上,对影响我国铁矿资源需求的主要因素进行了深入分析,然后利用BP神经网络建立了铁矿资源需求情景分析模型,并利用2001-2011年相关数据进行了测算,得出2013-2025年我国铁矿资源需求情景。研究结果表明：未来我国铁矿资源进口依存度将达到25%~35%,虽然有所降低,但仍然比较高。     

煤气在管道运输过程中的神经网络运用

针对城镇燃气管道影响因素多的特点。结合人工神经网络自身特点,利用人工智能中神经网络,选择最优的网络模型。设计基于神经网络城市管道,实现了城镇管道漏损的全面定性定量分析。针对算法的问题,对网络输出结果进行拟合,并结合气管道的实际情况进行分析。     

基于ANN的煤岩破坏电磁辐射预测研究

以自适应神经网络的基本原理和实现步骤为基础,研究了煤岩变形破裂过程电磁辐射自适应神经网络预测的原理及特点,将电磁辐射自适应神经网络模型应用于煤岩变形破裂过程声发射和电磁辐射序列的预测。研究结果表明,采用神经网络可以有效预测电磁辐射和声发射信号,为判定煤岩变形破裂状态提供依据。     

基于人工神经网络的投资项目效益评估模型

投资项目的效益评估是整个投资活动的关键。阐述了投资项目效益评估的基本理论; 借助现代的数学计量方法, 运用效益评估的指标体系, 研究了用人工神经网络进行效益评估的的可行性, 建立了基于人工神经网络的效益评估模型, 并利用该模型进行了实证分析。     

基于ANN的矿业组合优化方法研究与应用

本文利用BP (BackPropagation)神经网络 ,通过构造评价函数 ,发展了基于ANN的矿业组合优化模型与方法。应用表明 ,这种模型与方法能够很好地解决矿业工程中复杂的组合优化问题     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

基于GIS与ANN的金川二矿地表移动预测

利用金川二矿区多年的GPS监测数据,探讨了GIS与人工神经网络技术相结合进行地表移动定量预测的方法和思路。借助Avenue语言,实现了在GIS平台下进行地表移动神经网络预测的整个过程,包括样本设计、网络设计与训练、网络测试与网络预测等;其中,数据处理、测试结果对比和预测结果分析由GIS软件完成,采用VB调用Matlab6.5实现Elman神经网络预测模型,并通过Avenue编程将其集成到GIS系统中。研究结果表明,利用GIS支持下的神经网络模型对地表移动进行预测,具有理论上的可行性和现实意义,说明GIS和人工神经网络技术在开采沉陷预计领域中具有广阔的应用前景。     

基于ANN的机械设计专家系统知识表示研究

机械设计专家系统(MDES)是专家系统理论(ES)和智能CAD技术的有机结合,但因为机械设计知识的复杂性、模糊性和不确定性而难以实现程序化。根据人工神经网络(ANN)的基本思想,提出了基于ANN的MDES知识表示原理,在重新划分了机械设计知识类型的基础上,分析了应用ANN进行MDES知识表示的具体方法和步骤,并运用BP网络完成了对机械线图知识的表示实例。