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。     

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     

基于BP神经网络的地表沉降预测模型

简述了人工神经网络的基本原理,通过实例建立了时间序列BP网络模型,并利用已有观测数据对网络进行了训练和测试,经过与实测值进行对比回归分析,证明了该网络的有效性和精确性,可作为一种预测方法对地表沉降做出预测。     

我国铝矿资源现状分析及可持续发展建议

世界金属统计局、国际铝业协会的权威数据显示,近年来中国铝矿产业发展迅速,铝消费和生产量已跃居世界首位。本文在分析我国铝矿资源储量、产量、消费、进口量、市场价格以及产业结构等形势的基础上,提出当前我国铝矿产业中尚存在一些亟待解决的问题,如资源储备不足、对外依存度高、综合利用率低、技术装备落后、产业结构不合理、环境污染严重等。对此,提出充分利用国内外铝矿资源,改进冶炼技术装备,加强整顿和优化产业结构,积极发展清洁生产方式等对策和建议,以保障我国铝矿产业的健康可持续发展。     

基于小波分析及BP神经网络的瓦斯浓度预测方法研究

提出了一种基于小波分析与BP神经网络的矿井工作面瓦斯浓度预测算法,综合利用了小波分析算法的信号去噪作用以及BP神经网络可以拟合任何非线性系统的能力,并采用Matlab软件实现了该算法在瓦斯浓度预测上的应用。试验结果证明,对于短期内的工作面瓦斯浓度预测,该算法具有较好的预测效果。     

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神经网络与时间序列的滑坡变形预测分析

多种非线性的组合可提高滑坡位移预测的精度。采用BP神经网络模型与时间序列模型来预测滑坡的位移,充分发挥两非线性方法的优点,利用BP神经网络预测滑坡位移中的稳定趋势项部分,并利用时间序列模型预测滑坡位移的残差部分,实现了滑坡位移预测的目的。通过实际工程数据,证明了综合采用两非线性方法可将预测误差控制在3%以内,具有很强的实用性。     

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%。     

基于遗传算法—BP神经网络的突出强度预测

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。     

基于BP神经网络的巷道围岩塑性区半径预测

影响巷道围岩塑性区半径的因素很多,文章归纳总结了巷道围岩塑性区半径的7个主控因素,构建了基于BP神经网络的巷道围岩塑性区半径预测模型,并对赵固二矿11021回风巷和11030运输巷塑性区半径进行预测。结果表明,在11021回风巷和11030运输巷,模型预测值与实测值相对误差分别为7.7%和8.3%,远比理论计算获得的结果更加接近实测值,建立的基于BP神经网络的巷道塑性区半径预测模型取得了良好的效果。     

中国铬矿需求情景分析

中国铬矿资源极度缺乏。分析中国铬矿未来需求情景,对于合理开发与利用国内外铬矿资源具有非常重要的战略意义。本文首先对全球铬矿资源分布与市场尤其是中国铬矿产销状况进行了深入分析。其次分析了影响铬矿需求的因素,对铬矿需求情景进行了定义。最后建立了铬矿需求情景神经网络模型,并对铬矿需求宏观情景进行了设定,测算出了中国铬矿未来需求情景。结果表明：中国铬矿在未来国内产能基本不变的情况下,进口依存度将达到98%及以上。     

基于BP神经网络的微震多属性预测工作面煤厚判定方法

微震监测技术在国内外煤矿和非煤矿山中已经广泛使用,对预测岩爆、冲击地压、防治水害、深部采场稳定性及顶板冒落等突发灾害起到了重要作用。本文基于邯邢矿区九龙矿15249N工作面微震监测结果,提取其中10种微震属性数据,通过对微震属性的优化和误差分析,优选出矩震级、滑动位移、体变势、能量、静态应力降等5种震源参数,结合巷道揭露和钻孔约束方法进行BP人工神经网络方法计算,通过穷举式搜索（ES）算法和试凑递增法得最优属性顺序和隐含节点数,建立一种基于BP神经网络的微震多属性煤层厚度预测模型。对该预测模型进行误差分析和相似区域判定,结合实际地质条件验证得出该模型在工作面煤厚判定中具有良好的应用效果。     

基于灰色BP神经网络的水位矿井涌水量预测

在对矿井涌水资料总结分析的基础上,结合背景资料和灰色关联度分析新集二矿涌水量与长观孔水位的关系,将关联性好的4个钻孔水位作为BP神经网络的输入神经元进行建模预测,结果表明,基于灰色关联度的神经网络模型预测矿井涌水量精度较高,以水位作为输入神经元是可行的,为矿井涌水量预测提供了一种新思路、新方法。     

基于BP神经网络的拉斗铲生产能力预测

在分析拉斗铲生产能力影响因素的基础上,选取实动时间、炸药单耗和采装周期3个因素作为BP 神经网络的训练参数建立BP神经网络预测模型,并利用MATLAB实现网络的训练和预测。预测结果表明,BP神经网络能够较好地预测拉斗铲的生产能力,预测输出与实际输出之间的相对误差一般小于10%,预测精度达到了工程要求。     

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。     

基于BP神经网络模型的巷道变形预测系统开发

通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织.     

基于改进BP神经网络的孔板应力集中系数预测

在正交试验和无网格法数值计算结果的基础上,针对常用BP算法的不足,采用动量因子与自适应学习速率相结合的改进BP神经网络方法,建立了孔板应力集中系数预测模型。经过计算结果的检验,表明该模型是可行的,对今后孔板应力集中系数预测具有借鉴意义。     

基于BP神经网络的矿井摩擦阻力系数预测

为克服传统的矿井巷道摩擦阻力系数测试方法工作量大、效率低等缺点,以摩擦阻力系数理论为基础并结合现场实际资料分析,归纳出影响矿井巷道摩擦阻力系数的主要因素：巷道断面积、巷道周长、巷道支护方式和巷道断面形状。构建基于BP神经网络的摩擦阻力系数预测模型,选取典型数据作为BP神经网络的学习样本和测试样本,运用Matlab软件进行网络训练,得到优化的网络模型。利用优化的网络模型对板石矿和大明一矿随机测点进行摩擦阻力系数预测,预测值与实测值误差不超过10%,表明该网络模型的预测结果具有较高的可靠性和工程实践价值。