共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
巷道围岩稳定性是煤矿安全生产的关键,准确的巷道围岩分级是围岩控制的基础。本文采用BP人工神经网络,设计训练得到一种巷道围岩分级模型,用以自动识别巷道围岩稳定性。根据工程实践中巷道的围岩稳定性分析案例,考虑巷道围岩的相关地质力学参数,通过Python构建改进的BP神经网络模型,对样本进行学习并将预测结果与实际相拟合。研究表明,构建围岩分级模型能够较为准确地对巷道围岩稳定性类别进行有效判断。 相似文献
3.
4.
金属矿山巷道喷锚支护智能设计的研究与应用 总被引:1,自引:1,他引:0
依据巷道围岩稳定性分类作为喷锚支护的基础数据,研究运用神经网络对地下巷道围岩稳定性进行类别识别,建立改进的BP神经网络(MBP)的围岩稳定性识别模型;把喷锚支护设计的间接类比和整体加固理论与专家系统等人工智能技术相结合,研制了喷锚支护工程设计的智能系统,并运用工程实例验证了本智能系统的正确性。 相似文献
5.
6.
《煤矿安全》2017,(6):200-203
为准确预测巷道围岩稳定性类别,提出了基于网格搜索法(GSM)优化支持向量机(SVM)的巷道围岩稳定性预测模型。选取22组巷道围岩数据作为学习样本,以水平地应力与巷道夹角、顶板岩性、水的影响和巷道断面积4个指标作为模型输入,巷道围岩稳定程度作为模型输出,同时为增强模型的泛化性能和预测精度,采用改进的网格搜索方法优化支持向量机参数,最终构建基于GSM-SVM的巷道围岩稳定性预测模型。然后运用该模型对8组巷道围岩数据进行预测,并同BP神经网络模型的结果进行对比。结果表明,GSM-SVM模型的预测结果与实际结果吻合,正确率达98%,具有比BP神经网络模型更高的精度。 相似文献
7.
8.
9.
根据回采巷道稳定性的影响因素,选取围岩强度、埋深、节理裂隙发育程度、巷道跨度、直接顶与煤层厚度之比和松动圈厚度6个指标作为巷道稳定性识别的样本变量。通过搜集部分矿井35条回采巷道相关数据,采用随机森林建立回采巷道稳定性分类模型,并将该模型的预测效果与决策树、BP神经网络和支持向量机模型进行对比。研究结果表明:采用随机森林模型误判率低,具有较高的预测精度,能够相对有效地对回采巷道的稳定性进行判定。 相似文献
10.
《山西能源学院学报》2014,(1)
影响回采巷道保护煤柱稳定性的因素较多,煤柱稳定性计算经验公式没有全面考虑各因素的影响。所有影响因素和煤柱稳定性存在复杂非线性关系,进化神经网络结合遗传算法和BP神经网络算法的优势对处理复杂非线性关系有较好的优势。本文将回采巷道保护煤柱稳定性参数作为学习训练样本,进行网络学习训练,确定回采巷道保护煤柱稳定性影响因素和煤柱稳定性之间的复杂非线性关系,建立模型进行回采巷道护巷煤柱稳定性分析。 相似文献