基于神经网络的煤矿企业经营绩效评价研究

针对煤矿企业经营绩效受自然地质条件影响较大，对产生相应的“级差”特点，先采用ANN模型对煤矿企业的基础条件存在“级差”进行的识别，有效地剔除了这些“级差”对煤矿企业经营绩效的“贡献”，实现了评价的“公平性”；然后，建立了基于ANN煤矿企业经营绩效综合评价与排序模型，避免了专家评分法等主观赋权法定权的客观性不足，更为科学地反映煤矿绩效的优劣。再次，建立基于ANN的煤矿企业经营绩效与其影响因素之间相互关系的分析模型，为企业发现薄弱环节，改进管理提供有力工具。最后，将这些模型应用于高产高效矿井经营绩效的实际评价进行了实证研究，取得了良好的效果。     

用人工神经网络预测煤与瓦斯突出

设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型,然后对几个实际样本进行了预测.预测结果表明：对其中两个样本的预测完全准确,另一个出现了偏差,均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4,0.577 4%和1.866 0.     

自组织神经网络法综合评价水质

将人工神经网络原理运用于水质评价问题中 ,建立了多指标水质综合评价的SOFM网络模型 ,并以实测资料为例对所建模型进行了训练和检验 ,研究结果表明 ,SOFM网络性能良好、预测精度高、简便易行 ,是水质综合评价的一种有效方法 ;人工神经网络技术具有广阔的应用前景。     

人工神经网络在煤巷顶板岩性识别中的应用

为了探测顶板岩层组合状况从而更好地满足锚杆支护设计要求,采用人工神经网络方法研究了煤巷顶板岩层岩性识别的实际问题,并根据打钻过程的特点,采用BP网络研究了人工神经网络的结构和输出方式,分析了影响人工神经网络应用效果的各因素,在人工神经网络的优化设计方面作了较深入的研究．研究表明：人工神经网络用于识别所钻岩层误差仅有5％,达到了很好的效果;人工神经网络的参数,如学习率、训练步长、动量系数、隐含层单元数和数据处理方式等对于人工神经网络的应用效果有很大影响．     

神经网络法分析煤层瓦斯含量的影响因素

用人工神经网络模型分析了影响因素对瓦斯含量的定量影响,结果表明:瓦斯含量随煤层底板标高值的减小而增大;随与最近剥蚀面间距离的增加而增大;顶板砂岩比越低,瓦斯含量越高;顶板岩性为泥岩时,瓦斯含量高,为砂岩时,瓦斯含量低;到断层距离(m)越大,瓦斯含量越高;煤厚越高,瓦斯含量越低。     

螺旋分级机数学模型研究

利用多元回归分析和人工神经网络构建螺旋分级机数学模型, 预测校对分离粒度和分级精度, 并对2个模型的预测效果进行了比较。使用LM算法和遗传算法优化人工神经网络模型, 模型预测结果表明: 采用人工神经网络构建螺旋分级机数学模型比多元回归分析模型表现出更高的拟合度和更低的拟合误差。     

基于FEM-ANN-MCS动态模糊可靠度的矿柱稳定性分析

依据岩体力学参数的统计分布规律随机产生参数向量样本,进行盘区开采全过程的有限元方法(FEM)数值模拟,为每个开采步骤获得人工神经网络(ANN)建模所需的参数向量和应力向量样本数据对。依据莫尔库仑强度准则,建立各开挖步骤的矿柱稳定性的功能函数,并构造功能函数的隶属度函数。应用蒙特卡罗模拟(MCS)方法计算矿柱每个开采步骤的模糊可靠度,获得矿柱动态模糊可靠度变化曲线,可为盘区开采的结构参数优化和开采顺序设计提供参考。该方法避免了对功能函数的概率密度函数求解,并大量减少了数值模拟计算次数和计算时间。用动态模糊可靠度对云南昭通铅锌矿Ⅰ号矿体盘区开采方案进行数值模拟计算和分析,得出了盘区开采全过程矿柱模糊失效概率变化曲线,表明了动态模糊可靠度能较好地反映盘区开采全过程的矿柱稳定性变化状况。     

圆弧滑动边坡稳定性分析的神经网络方法

搜集了大量圆弧滑动边坡工程实例,并根据实例边坡的实际稳定状况及其几何、物理力学参数构建了训练数据集和测试数据集。应用所构建的训练数据集,对所建立的用于圆弧滑动边坡稳定性分析的神经网络进行训练,并采用训练数据集和测试数据集对其拟合能力和推广预测能力进行测试,最终获得满意结果。应用所建立的神经网络对某高速公路边坡的最危险圆弧滑动面的安全系数、稳定状态和圆心位置作了预测,结果与实际情况吻合。     

基于GA-BP混合算法的煤与瓦斯突出强度预测研究

在以往对煤与瓦斯突出预测的研究中,较多地关注突出动力类型的预测,对于突出强度预测很少涉及。基于影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂非线性映射关系,建立了突出强度预测的神经网络模型。根据遗传算法(GA)和BP算法的特点,将二者结合起来,利用遗传算法优化BP网络权重和阈值,形成GA-BP混合算法。该算法提高了网络性能,在煤与瓦斯突出强度预测中取得良好效果。     

灌注单桩竖向极限承载力及沉降的神经网络预测

采用人工神经网络对天津市钻孔灌注单桩竖有限承载力及沉降进行了预测。实例分析表明,神经网络预测具有较好的精度因而其应用前景十分广阔。     

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工艺决策系统

基于人工神经网络的工艺决策系统,利用人工神经网络技术和Web技术,研究了冲压工艺设计的智能决策问题,利用神经网络对冲压件进行分类,从范例库中提取相似的范例并进行修改,得到工艺方案。系统具有很强的自学能力,工艺设计人员在后台可对范例进行维护更新并进行神经网络训练,系统采用B/S模式构架,对客户端要求简单。     

采矿方法模糊优选的神经网络模型构造及其应用

应用神经网络模式识别原理，构建一种人工神经网络(ANN)——弹性神经网络，能较好地解决常用BP神经网络梯度算法中可能出现的收敛缓慢和局部最小问题，将模型应用于大红山铜矿缓倾斜中厚矿体采矿方法模糊优选，与用模糊数学法得出的结论基本一致。终选出的采矿方法工业试验后取得了显著成效，证明该决策方法切实可行。     

人工神经网络在离心式通风机故障诊断中的应用

通过对已采集的通风机振动信号分析和整理,提出了应用人工神经网络对其进行故障诊断,以G4-73-11离心式矿用通风机为研究对象,用小波包分解技术提取其振动信号的能量特征作为特征向量,建立了神经网络模型,并应用此网络对一矿用通风机G4-73-11No28D进行故障诊断,结果表明,此网络可作为智能分类器对离心式通风机的常见故障进行识别和诊断。     

事故树与人工神经网络在提升机故障预测中的应用

研究了制动系统失效的故障机理,并建立了制动系统失效的事故树及相应的人工神经网络结构。用Ｆｕｓｓｅｌｌ－Ｖｅｓｅｌｙ算法求出了事故树的最小割集并抽取出相应的规则。分别利用最小割集抽取的规则和人工神经网络的联想记忆功能,进行故障的预测预报。     

神经网络专家系统在矿业中的应用

主要介绍了杂合智能技术在矿业中的应用，如ANN与ES、GA与ANN、GA与ES等。当务之急是建立矿山系统的广义杂合智能模型，在此基础上，开发出一系列矿业智能开发工具及平台。     

老采空区残余下沉系数的神经网络模型研究

为了验证人工神经网络方法是否可以用于老采空区残余下沉系数的预测,采用L-M BP算法的人工神经网络方法对某矿区的观测站下沉资料进行了残余下沉系数的预测分析,计算出不同观测时间距最大下沉速度时刻之间的下沉系数,以此建立此下沉系数的神经网络预测模型,进而得到残余下沉系数,并与实测得出的进行对比.研究表明:1) 利用已有观测站最大下沉速度之后的观测数据可以解决数据不足的问题.2) 在考虑地质采矿因素的基础上,建立相对与最大下沉速度时刻的下沉系数的神经网络预测模型,以此求取老采空区残余下沉系数.结果表明:用人工神经网络方法进行老采空区残余下沉系数预测是可行的.     

边坡抗震稳定性分析的神经网络法

从人工神经网络的基本原理出发 ,建立了边坡稳定性分析的人工神经网络模型。选择四川和云南地区的 70个边坡实例作为学习样本 ,对BP算法进行了学习和检验。计算表明 ,BP网络性能良好 ,所建立的模型预测精度高 ,具有一定的工程实用价值     

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。