基于BP神经网络的回采巷道围岩稳定性分类

针对袁店矿回采巷道围岩条件复杂、现有分类方案不够完善、巷道收敛率较大等问题,探索一种准确、高效、易于使用的回采巷道围岩稳定性预测方法.以袁店矿区回采巷道作为工程研究背景,采用BP神经网络预测原理,在分析出回采巷道围岩稳定性的影响因素基础之上,设计出一种基于BP神经网络的回采巷道围岩分类方法,利用Matlab7.0BP神经网络工具箱,实现算法编程和GUI友好的用户操作界面,结果证明此方法具有相当高的预测精度.     

基于机器学习与构建井巷围岩分级模型初探

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。     

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.     

金属矿山巷道喷锚支护智能设计的研究与应用

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。     

深部巷道围岩稳定性类别的BP网络识别方法

以BP神经网络模型为平台,对已知稳定性影响因素样本学习训练后,可以实现待测样本的巷道稳定性类别的识别,整个模型的求解过程是通过MATLAB软件来完成,利用BP网络模型的拟合特点及MATLAB的计算优势,可以准确、快速地完成对深部巷道围岩稳定性类别的鉴定工作,为深部巷道围岩锚喷支护设计提供依据。     

巷道围岩稳定性分类的GSM-SVM预测模型

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。     

基于PNN的巷道围岩稳定性分类

针对巷道围岩稳定性与影响因素之间存在复杂非线性关系,对煤矿回采巷道围岩稳定性影响因素进行了分析,建立围岩稳定性分类指标体系;介绍了概率神经网络(PNN)的基本原理,构建了基于PNN的巷道围岩稳定性分类模型,并利用Matlab工具箱编程对模型性能进行了检验和工程应用,当径向基扩散系数6.30≥spread≥0.64时,样本分类准确率为100％,样本分类时间小于4ms.结果表明,基于PNN的巷道围岩稳定性分类模型识别能力强,运行速度快,计算效率高,可以进行推广应用.     

应用神经网络方法评定巷道围岩稳定性

开滦荆各庄煤矿地质构造独特,大量数据表明该矿地应力与巷道夹角、顶板岩性、地下水和巷道断面积是影响巷道围岩稳定性的主要因素。在实验室研究的基础上,利用BP神经网络方法建立巷道围岩稳定性模型,结合该矿山的实测数据进行了验证,为该矿巷道进行有效支护提供了保证。     

基于随机森林的回采巷道围岩稳定性分类

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。     

基于人工神经网络的回采巷道护巷煤柱稳定性分析模型

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。