基于进化神经网络的某层状岩体隧道塌方预测

层状岩体隧道塌方是多种因素导致的结果,单一判据方法难以保证预测结果的准确性。该文提出基于进化神经网络的层状岩体隧道塌方预测方法,综合地质与施工两方面因素,以埋深、主应力比、岩体倾角、洞轴线与岩层层面夹角、地质强度指标和支护强度作为输入参数,以塌方深度为输出参数,选用两个隐含层结构,采用遗传算法优化了神经网络模型的结构参数和初始权值。通过训练,建立了满足塌方深度智能预测精度的进化神经网络模型。经实例检验,基于进化神经网络模型的塌方深度预测结果与现场实际塌方深度较为吻合,表明了基于进化神经网络的层状岩体隧道塌方预测的可靠性。     

基于BP神经网络的裂缝性地层压力预测方法

地层压力是钻井设计与施工的基础参数,地层压力的准确预测对于优质高效安全钻井、减少井下复杂情况、保护油气层、固井、完井等方面都具有十分重要的意义。裂缝性地层由于地层不均匀,压实程度较低,致使地层压力检测容易失准。基于人工神经网络理论,以四川普光油田某区块多口井的碳酸盐岩地层测井数据和实测地层参数为数据样本,通过调用MATLAB人工神经网络工具箱中的BP模块,选取泥质含量、孔隙度、声波波速及含气饱和度共4个因素作为特征量,进行地层压力预测,结果表明这种方法是可行的。     

模糊神经网络在开采沉陷预测中的应用

用模糊数学与神经网络结合的方法研究开采沉陷的预测。与单一神经网络的预计结果相比 ,模糊神经网络方法效果更佳 ,克服了单一神经网络易陷入局部最优和收敛速度慢等缺点 ,不用对原始数据和地质条件作相应假设 ,预测结果完全建立在反映客观原型的基础之上。研究结果仅仅针对静态的开采沉陷的预测 ,没有考虑地表水平移动和变形 ,也没有考虑工作面的推进速度等动态因素对开采沉陷的影响 ,这是今后应继续研究的问题。     

地表沉陷预测的改进BP神经网络模型

为了更加准确地预测地表沉陷变形,基于Adaboost算法采用多网络共同计算策略改进了BP神经网络,通过实际沉降数据对Adaboost算法改进后的神经网络进行训练,预测地表最大下沉量、影响角正切和拐点偏移距,将预测的3个参数代入概率积分法中,建立了地表沉陷公式,对改进效果和地表沉陷公式分别进行了验证。结果表明:(1)通过对比改进前后BP神经网络的计算精度,未经过Adaboost算法改进的BP神经网络误差明显大于改进后的BP神经网络,说明基于Adaboost修正后的BP神经网络计算精度得到了有效提升;(2)基于BP神经网络对最大下沉量、影响角正切和拐点偏移距3个参数进行预测,结合概率分析法,能够实现稳沉后采空区主断面上方地表沉降规律的准确描述。以鲁西南地区某矿3301采空区地表为例,利用改进BP神经网络预测了地表最大下沉量、影响角正切和拐点偏移距,进而给出了地表沉陷曲线,与现场实测结果对比显示:改进BP神经网络的最大误差小于0.105 m,最大相对误差为4.3%,证明了所提计算方法的可靠性。     

基于遗传BP神经网络模型的矿区开采沉陷预计

为解决常规方法监测矿区开采沉陷的可控性、可操作性差及精度低等问题,采用BP神经网络模型拟合矿区高程值对开采沉陷进行预计是一种有效方法。但传统BP神经网络模型为反向传播算法,在训练时需多次试算方可确定神经网络系统的连接权值和阈值,具有易陷入局部最小值、收敛慢等不足。为此,采用遗传算法（Genetic algorithm,GA）对BP神经网络模型参数进行优化以提高其泛化能力,构建了遗传BP神经网络模型（GA-BP）。以某矿区首采工作面地表25个已进行了三等水准联测的高程监测点数据作为遗传BP神经网络模型（GA-BP）的训练样本（15个监测点数据）和测试样本（其余10个监测点数据）,分别采用BP神经网络模型、二次曲面拟合等方法与其进行试验对比,结果显示：遗传BP神经网络模型（GA-BP）具有更高的内、外符合精度及更小的残差,表明该方法有助于实现对矿区开采沉陷的高精度预计。     

矿区开采沉陷预计的改进BP神经网络模型

为精确预计锦界矿某工作面开采沉陷,首先结合该工作面的地质资料、采掘工作平面图及孔柱状图,采用FLAC3D软件建立了该工作面开采沉陷仿真模型,得到工作面推进100、300、500、700 m时的开采沉陷数据;其次基于该类数据对BP神经网络预计模型进行训练和验证,建立沉陷数据与工作面推进距离的非线性关联;然后用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络模型的结构参数和连接权值阈值进行优化,并引入遗传算法(Genetic algorithm,GA)中的自适应变异因子以一定概率初始化部分变量,以解决PSO算法易陷入局部最优解的问题,避免BP神经网络模型易陷入局部最小值、训练收敛速率低以及PSO算法易早熟收敛等问题。分别采用BP神经网络模型、PSO-BP神经网络模型以及所提模型进行试验对比,并引入偏差平方和(Sum of squares for total,SST)对各模型的预计精度进行评价,研究表明:在工作面分别推进100,300,500 m的情况下,BP神经网络模型的SST值分别为0.056,0.062,0.066,PSO-BP神经网络模型的SST值分别为0.049,0.054,0.048,所提模型的SST值分别为0.028,0.026,0.031,明显小于前两者,表明该模型有助于提高矿区开采沉陷预计精度,有一定的实用价值。     

露挖掘设备防沉陷方法的探讨

通过长期的生产实践，摸索出了一套在第四系地层较厚在情况下，防止挖掘设备沉隐的方法，并对沉隐的形式进行了归类划分。对国内其它类似矿山很有借鉴作用。     

基于GA-GRNN的地表下沉系数预测方法研究

将遗传算法(GA)和广义回归神经网络(GRNN)方法进行融合,采用GA算法搜寻最优的GRNN光滑因子,简要分析了地表下沉系数的影响因素,建立了基于GA-GRNN的地表下沉系数预测模型。以我国典型观测站的数据资料作为学习和测试样本,将预测结果与实测值进行比较。结果表明:采用GA-GRNN模型预测地表下沉系数能够综合考虑诸多的地质采矿因素,预测结果与实测值得最大相对误差仅为5.44%,完全满足现场工程的需要,为今后预测地表下沉系数提出了一种新的方法。     

露天挖掘设备防沉陷方法的探讨

通过长期的生产实践,摸索出了一套在第四系地层较厚的情况下,防止挖掘设备沉陷的方法,并对沉陷的形式进行了归类划分。对国内其它类似矿山很有借鉴作用。     

最大下沉角计算的神经网络模型研究

最大下沉角是确定地表移动盆地走向主断面位置的关键性参数,关系到地表移动和变形预计的精度.系统分析了影响最大下沉角的地质采矿因素,根据国内大量的地表移动观测资料,建立了最大下沉角计算的神经网络模型.该模型与遗传算法相结合,克服了单一神经网络易陷入局部最优和收敛速度慢等缺点.研究表明,用基于遗传算法的神经网络来计算地表移动盆地的最大下沉角,其结果更加真实、可靠.     

进化神经网络在定量预测回采巷道围岩移近率中的应用

神经网络处理非线性关系有明显优势.把影响回采巷道移近率的四个指标作为神经网络的输入层,巷道顶底板移近率和两帮做为网络的输出层,运用大量的回采巷道样本数据,对巷道围岩移近率的神经网络模型进行学习训练,得到稳定的网络结构;结合工程实践对训练得到的稳定网络结构进行检验,表明进化神经网络在回采巷道移近率的定量预测中有较大的实用价值.     

交通线路沉陷预计方法

根据地表沉陷原理,基于褶曲构造地层、任意形状工作面条件下地表点在任意方向的移动与变形值预计方法,讨论交通线路遭受地表沉陷的破坏影响,论述地表沉陷区交通线路移动与变形预计方法,探讨交通线路安全性评估方法及其坍塌事故的防治措施．最后,列举了一个公路沉陷预计实例．     

浅析煤系地层围岩体的瓦斯赋存特征

通过对阳泉矿区煤系地层围岩体的孔隙体积、孔隙率、岩石对甲烷的吸咐能力、瓦斯压力和瓦斯涌出量的测定及对围岩体瓦斯赋存特征的分析,有助于预测矿井瓦斯涌出量及煤层气开发评估时确定围岩的瓦斯含量,对于新井建设和老井延深改造的通风设计和瓦斯综合治理具有现实意义。     

基于Hoek-Brown破坏准则的岩体参数预测方法与应用

一般来讲,岩体破坏过程的计算均采用Mohr-Coulomb准则,但此时的岩体力学计算参数的选取是关键,直接影响着理论计算和分析的准确性。Hoek-Brown破坏准则能够较全面地反映岩体受构造应力、人为开挖等因素的作用,因此,在该准则理论的基础上分别介绍了Mohr-Coulomb准则中的抗剪强度参数、抗压强度和变形模量的等效估算方法;然后针对某矿区的矿岩参数进行了预测,得到了一些有实用价值的结论,为该矿区的采矿设计、数值分析和岩体评价提供了基础数据资料。     

基于人工神经网络技术的隧道地表沉降预测

对采用人工神经网络技术预测隧道地表沉降模型中进行了研究。采用MATLAB系统开发了一个多层反向传播神经网络模型,考虑了隧道的深度、隧道的直径、地下水位、土的弹性模量、土的剪切强度、土的侧压系数、土的重度和开挖间隙对地表沉降的影响。用世界多个隧道的地表沉降数据作为样本对模型进行了训练和测试。结果表明,利用该神经网络预测的沉降值与实测值比较吻合。     

结构化岩体离层带注浆时的地表沉陷计算方法

把冒落带、裂隙带、弯曲带的不同岩层视为各向同性的线弹性体，地表移动和采场顶板的不均匀下沉或收敛量看作是输入与输出数据，使用有限元方法将岩体离散为各个单元，导出了结构化岩体离层带充条件下的地表移动的预计公式，从理论上解决该条件下的地表移动和变形预计问题。     

塌陷区破碎岩块渗透系数计算方法

通过分析塌陷区破碎岩块渗透系数的影响因素,得出塌陷区中破碎岩块渗透系数大小取决于塌陷区破碎岩块的粒度分布参数和最大破碎岩块的粒径。通过配比不同粒径分布的塌陷区较小破碎岩块样品并测定其渗透系数,建立了渗透系数与粒度分布参数和最大颗粒直径之间的关系方程。实例计算表明,只要确定出塌陷区破碎岩块的粒度分布参数和最大颗粒直径,依据该关系方程就可以较为准确地计算出塌陷区破碎岩块的渗透系数。     

岩层移动角预测的粗糙集-BP神经网络模型

岩层移动角是金属矿山开采表征地表移动规律的重要参数之一。为克服理论计算法和数值分析法在力学模型匹配、参数选择、边界条件设置等方面存在的问题并改进岩层移动角预测方法,首先在分析BP神经网络、粗糙集基本原理的基础上,将两者进行有机结合,构建了粗糙集-BP神经网络模型,该模型将粗糙集作为前端处理器对具有模糊性、不确定性和不完整性的信息进行预处理,将BP神经网络作为核心建立输入、输出间的映射关系;然后通过对34组实测岩层移动样本数据进行学习训练和测试,构建了包含下盘岩性、上盘岩石普氏系数、矿体倾角、矿体厚度、开采深度、采矿方法等6个因素的粗糙集-BP神经网络岩层移动角预测模型,并对永平铜矿露天转地下开采岩层移动角进行了预测。结果表明:该矿山总体岩层移动角的预测值分别为上盘62°,下盘68°,走向73°,预测结果与工程类比法、数值模拟法等传统方法接近。所提方法由于可科学选择变量、简化网络结构以及具有提高容错抗干扰和分类的能力,相对于传统预测方法而言,具有一定的优势,有助于提高矿山开采岩层移动角的预测精度。     

开采引起地表沉降的神经网络预测研究

介绍了矿山地下开采引起地表下沉对地表建筑设施造成了的损害,分析了地表沉陷受地质条件和采矿条件等诸多因素的影响,且因素之间存在非线性关系,难以用数学模型加以描述,因而求解困难。研究利用神经网络系统对地表沉陷问题进行预测,通过试验采集的数据对神经网络进行了训练和检测,获得了比较满意的结果,预测值和期望输出值之间存在着极小的误差,从而证明了对地表沉陷预测的可行性和实用性。