用BP神经网络进行凝析气藏类型的早期识别

凝析气藏是一类型特殊油气藏，对其类型的早期识别是制定合理的开发方案的前提。本文将人工神经网络引入，通过ＢＰ算法的学习，建立了凝析气藏类型的早期识别模型。用此模型检验了２８个实际凝析气藏，均能进行准确识别     

BP神经网络在矿产资源分类识别中的应用

利用BP神经网络对矿产资源进行分类识别,以铁矿石和铜矿石2种矿石的颜色、条痕、光泽、解理、断口、比重和硬度7种样本数据作为BP神经网络对矿产资源分类的影响因素。通过对神经网络的训练、测试,其有效识别率达90%以上。实现了矿产资源分类的快速、准确识别的目的。     

基于BP神经网络的巷道围岩稳定性识别

本文从分析巷道围岩稳定性影响因素入手,确定了影响巷道围岩稳定性的主要分类指标。在分析BP神经网络的基本原理和学习算法的基础上,根据改进的BP神经网络建立了围岩稳定性分类的神经网络识别模型,并运用VC++6.0编写程序对学习样本实现了分类。     

基于BP神经网络的双能X射线透射的 金属识别算法

双能X射线透射识别技术可识别物质种类,是一种能用于废金属回收的新方法。在废金属识别算法中,目前的曲线拟合识别算法只能在物质厚度较小时能较好的拟合,识别准确性和厚度范围不能满足废金属分选要求,并且不能解决X射线源扇形效应的影响。针对现有算法的不足,基于 曲线提出 识别特征,提高了识别的厚度范围;提出将物料位置作为识别特征,解决了扇形效应;结合 特征和位置特征提出基于BP神经网络算法的废金属分类模型。通过铜和铝物料实验对比,结果表明识别准确率从81.4%提高到了94%。     

基于瓦斯涌出的回采工作面参数识别BP神经网络模型

在分析回采工作面瓦斯涌出规律的基础上,运用BP人工神经网络模型,在给定工作面风量条件下,进行高瓦斯矿井回采工作面参数识别。合理地选择了采煤方法、循环作业方式、工作面推速度、工作面日产量等。模型精度很高,有一定的实用价值。     

基于BP神经网络的测井曲线构建

阐述了BP神经网络的基本原理，选择合理的输入层参数建立了构建中子和密度测井曲线的BP神经网络模型，并检验了模型的正确性。利用所建立的模型对坝18井进行了中子和密度测井曲线的构建，将所构建曲线用于测井解释．从测井解释的结果和测试资料的对比中验证了构建曲线的正确性，证明了BP神经网络用于测井曲线的构建是切实可行的。     

BP神经网络在矿井突水水源识别中的应用

针对矿井突水水源的水化学特征,采用Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-6种水化离子的浓度作为识别矿井水源依据;以35组水源样品作为训练样本,运用Matlab软件对网络进行训练,建立6×6×4的网络优化模型;使用构建的BP神经网络对4组待测样本进行识别,并与实际突水水源类别进行比对。应用结果表明:BP神经网络能够准确地识别矿井突水水源,可为防治矿井水害提供有力的保障。     

基于BP神经网络的测井曲线构建

阐述了BP神经网络的基本原理，选择合理的输入层参数建立了构建中子和密度测井曲线的BP神经网络模型，并检验了模型的正确性。利用所建立的模型对坝18井进行了中子和密度测井曲线的构建，将所构建曲线用于测井解释，从测井解释的结果和测试资料的对比中验证了构建曲线的正确性，证明了BP神经网络用于测井曲线的构建是切实可行的。     

基于BP神经网络的水力旋流器建模仿真研究

通过对某一固定的水力旋流器自身工艺的研究,确定水力旋流器的输入与输出。分2种情况对有相互影响的输入参数分别建立BP神经网络的模型和利用Matlab工具箱中的BP神经网络建立水力旋流器的三层神经网络模型。通过对收集的该设备的实例数据进行仿真训练,结果表明不仅是旋流器本身参数,调浆槽的液位等也会对旋流器效率产生影响。     

基于自由响应信号与BP神经网络的结构损伤程度识别研究

提出了基于自由响应信号与BP神经网络的结构损伤程度识别方法:首先采用随机减量技术提取自由响应信号,利用AR模型进行动态建模,计算结构损伤前后的模型系数之间的欧式距离;其后以结构损伤前后的欧式距离作为特征向量,输入BP神经网络确定结构的损伤程度。四层海洋平台结构的数值模拟表明,该方法是可行的,且具有一定的抗噪声能力。     

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BP神经网络煤与瓦斯突出强度预测模型

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。     

基于BP神经网络的煤体结构类型判识模型研究

针对矿井中在煤体结构类型细致辨识方面存在的难题,根据构造煤的结构特点及超声波在煤体中的传播特性和规律,并综合考虑波速、衰减系数等与煤体结构类型相关的参量,提出了一种以超声波反射法和BP神经网络为基础的煤体结构类型判识模型。实验证明该模型能够对煤体结构类型实现有效的判识,对煤与瓦斯突出灾害的预测具有重要的指导意义。     

煤与瓦斯突出BP神经网络预测系统研究

煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。     

基于BP神经网络的煤矿矿井空调模糊控制器设计研究

针对矿井空调被控对象时滞、时变、非线性的特点,基于神经网络方法,设计了一种基于BP算法的神经模糊控制器,通过采用MATLAB提供的神经网络工具箱和Simulink软件包对其进行了仿真。结果表明,该控制器比经典PID控制及单纯模糊控制具有较好的鲁棒性,动态性能好,控制迅速,适于我国煤矿企业广泛使用的矿井空调控制系统。     

基于BP神经网络的井下定位技术研究

井下定位技术对煤矿安全生产起着重要作用。通过分析BP神经网络的特点,提出一种以接收信号强度RSSI为基础的结合BP神经网络的无线传感器定位方案。仿真结果显示该方法满足井下定位需求。     

基于BP模型的煤矿安全管理投入经济分析

为了合理利用有限资源,通过集成AHP与BP神经网络,建立煤矿安全投入综合评价模型,优化赋权,避免了局部最小点误差,使预测结果更加准确。同时考虑到煤矿系统安全投入不平衡的实际情况,结合西方经济学原理,调整生产函数中各要素投入量,利用已验证的BP网络进行二次预测。经验证优化投入会带来更高的经济效益,是未来发展的新方向。     

基于IPSO和BP神经网络的光学字符识别

随着信息系统的广泛应用,光学字符识别(Optical Character Recognition,OCR)技术取的了长足的进步。通过引入模拟退火算法、"交叉算子"和"变异算子",提出了一种改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)对神经网络的参数进行优化计算。试验证明,OCR方法具有很高的识别效率。     

BP神经网络在顶煤冒放性评估中的应用

 文章依据顶煤冒放性的自然影响因素,应用人工神经网络的理论与方法,建立了顶煤冒放性的BP神经网络评价模型,以文献[1、2]中的29个放顶煤工作面的顶煤冒放性评价结果作为网络模型的学习训练样本,对网络进行训练。最后应用训练后的神经网络,对6个不同煤矿的顶煤冒放性进行评价并将评价结果与实际开采情况相比较,验证了该评价方法的正确性和可行性。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。