爆破参数的BP神经网络优选及验证

爆破矿石块度大小及其均匀程度是反映爆破效果好坏的关键指标,它不仅直接影响采矿作业后续工序如装载、运输等设备工作效率和磨损程度,还严重影响采矿成本.因此利用BP神经网络对开阳磷矿的凿岩爆破参数进行优选,以排距、孔底距及炸药单耗作为输出结果,以国内同类矿山作为训练样本进行练习,计算得到了最优爆破参数,并根据最优爆破参数进行了现场试验验证,结果显示大块率有了明显的降低,因此这种方法由于良好的发展前景.     

基于BP神经网络的巷道围岩稳定性分级识别

矿山围岩稳定性分级是矿山工程的基本参数,为矿山支护设计提供基础数据,利用BP神经网络进行围岩稳定性分级识别,有利于真实地刻画矿山围岩稳定性分级与其影响因素之间的非线性关系.本文研究了BP神经网络的工作原理及其改进,分析了某矿巷道围岩稳定性影响因素,确定建立了围岩稳定性分级的神经网络识别模型,并利用该模型对某矿山围岩分级进行了拟合,取得了很好的效果.     

基于BP神经网络的爆破参数优选

为了得到最优的矿岩爆破参数, 提出以矿岩的容重、弹性模量、抗拉强度、抗压强度、摩擦角及粘结力为输入因子, 炮孔排距、孔底距及一次炸药单耗为输出因子, 并以国内爆破工艺类似、效果良好的矿山为样本来建立BP神经网络模型进行优选的思路。以石人沟铁矿上向扇形中深孔爆破参数选择为例, 优选出的参数适用于矿岩条件, 爆破效果良好。这种思路也可用于使用其它爆破工艺的矿山, 具有广阔的应用前景。     

基于灰色BP神经网络算法的煤层气直井剩余含气量模型

以寺河煤矿西二盘区为例,对3#煤层储层地质条件及煤层气井排采数据进行研究,从地质和工程两方面分析了在渗透率基本相同的情况下,影响煤层剩余含气量的主要因素有原始含气量、煤层厚度、煤层埋深、累计产气量、累计产水量、抽采时间等;利用灰色BP神经网络法建立了剩余含气量预测模型,并把预测结果与参数井3#煤层经过5 a抽采的剩余含气量实测数据进行了对比,结果表明:2种预测结果较为接近。     

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GIS与BP神经网络的矿区塌陷易发性预测

为了提高矿区塌陷预测的效率及简便性,提出使用神经网络算法进行分析预测。选取水文特征、地质构造、终采时间、覆岩强度、顶板跨度、开采深度、采煤高度、空间迭置层数8个致灾因子作为塌陷易发性的评价指标,并将矿区划分为4个塌陷易发性等级;利用GIS的空间分析功能对各预测数据进行栅格化;并以矿区中部及南部单元作为样本进行训练构建BP神经网络模型,余下的北部单元检验预测效果;结合GIS系统将模型输出结果图像化得到矿区的塌陷易发性分区图。结果显示:神经网络模型在训练过程中达到快速的收敛效果,预测结果和已发生的塌陷基本吻合,适合应用于初期对矿区塌陷的预测。     

基于BP神经网络的离心泵故障诊断方法研究

介绍了离心泵的主要故障类型和产生原因,应用BP神经网络的主要知识对离心泵的故障进行诊断,将BP神经网络的输入通过Matlab进行训练,最后得到了与理想输出基本相符的实际输出,证明了该方法的有效性和可行性。     

基于BP神经网络的烟煤类型识别研究

为了对烟煤进行快速分类,建立了BP神经网络识别法。以烟煤中的气煤、肥煤、焦煤为对象,选择煤的发热量、挥发分、灰分、硫分这些影响烟煤分类的主要参数作为BP神经网络的输入量,建立了能反映烟煤类型与这些参数指标关系的BP神经网络模型,对烟煤的类别进行识别。结果表明,该BP神经网络模型具有极强的非线性逼近能力,能真实反映烟煤的类型与相关参数之间的非线性关系,可快速准确地对烟煤的类型进行识别。     

基于神经网络的矿业因素分析方法与应用

利用神经网络ＢＰ模型权空间的性质，提出一种适用于矿业研究的因素分析方法，开发出相应的因素分析工具。     

BP神经网络技术在滚动轴承故障诊断中的应用研究

滚动轴承失效是最常见的传动系统故障,滚动轴承一旦发生故障会造成极大的经济损失和安全风险。因此,在故障发生的早期进行故障诊断可以有效地避免损失,具有很大的实际意义。应用BP神经网络的相关理论,以滚动轴承工作过程中产生的摩擦因数、振动值和噪声值作为输入变量,通过训练获得的BP神经网络求得轴承的不同工作状态,从而实现轴承的故障诊断。     

BP神经网络在爆破振动中的研究与应用

为准确地预测爆破结果、减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果。选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内。再结合PAC算法、POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内。通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工。     

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。     

改进BP算法在开采煤层自燃危险性预测中的应用

为了正确预测开采煤层自然发火的趋势与危险性,提出了一种改进的BP网络模型：采用自适应变步长法和改进模拟退火法（SA法）等措施,以加快BP网络的收敛速度,增强了其跳出局部极小点的能力。实际应用表明,该模型收敛速度快,准确性高,是一种十分有效的开采煤层自燃危险性预测方法,对煤矿安全生产具有重要的指导意义。     

基于改进BP神经网络的煤体瓦斯渗透率预测模型

分析总结了煤体渗透率的3个主要影响因素--有效应力、温度和瓦斯压力,并结合煤体的力学特性建立了一个预测煤层瓦斯渗透率的BP神经网络模型。根据不同有效应力、不同温度和不同瓦斯压力条件下大量具有代表性的煤样渗透率数据来建立学习样本,并对该模型的精度进行了检验。该BP神经网络经过11 986次学习后精度满足要求,训练后BP神经网络模型所得预测结果的最大绝对误差为0.049×10-15 m2,最大相对误差为4.298%。根据所建立的BP神经网络模型得到的预测值与实测值吻合较好。     

基于BP神经网络的未采区瓦斯含量预测

为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。     

BP神经网络预测急斜煤层动力失稳压力变化

煤岩体在应力作用下的变形与裂纹扩展,是结构失效的重要机制,通过监测煤层的压力变化,分析压力来源、压力大小及其分布特征,为下一步煤岩体卸压方案的形成提供准确可靠依据。以新疆大洪沟煤矿现场锚杆测力计观测数据为研究对象,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对压力监测数据发展的预测研究。     

BP神经网络在台阶爆破参数优化中的应用

在遵义县新材料工业园区平场工程土石方开挖中,为了达到良好的爆破效果,需对爆破参数进行优化研究。首先根据目前所采用的生产设备和爆破器材确定了中深孔台阶爆破所需优化的参数,利用BP神经网络以岩石性质参数、爆破现场条件以及爆破效果要求作为BP神经网络的输入层,以需优化的爆破参数作为BP神经网络的输出层,然后以25组经典数据分析了模型参数的选取并进行了神经网络训练验证了网络的有效性,最后将现场参数输入神经网络得到了满足生产要求的爆破参数,达到了良好的爆破效果。     

基于BP神经网络的生物质固定床热解气化过程模拟

为研究生物质的热解气化规律,基于BP人工神经网络原理,利用Matlab神经网络工具箱,以试验得到的两种生物质54组试验数据作为样本,建立了以停留时间、水分、温度、催化剂种类和催化剂用量为输入变量,气、液、固产物产率和不同种类气体组成为输出变量的生物质固定床热解气化过程模型。模型输出的7个变量的预测结果与试验数据吻合较好,证明该模型对生物质热解气化过程模拟的可行性和有效性。     

基于模糊聚类及BP神经网络的采矿方法选择研究（增刊）

以某铁矿为工程背景,采用模糊聚类分析的方法对采矿方法进行初选,建立了模糊聚类初选采矿方法可行方案集,通过模糊动态聚类分析,得到了初选方案。基于BP神经网络的方法预测了初选方案的技术经济指标,运用层次分析法,综合考虑经济因素、资源利用率、劳动生产率、安全因素、合理程度五大类因素,构建了采矿方法优选的评价指标体系,最终通过模糊数学综合评判,选取了最优采矿方法。