基于人工神经网络的煤与瓦斯突出预测

从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。     

基于人工神经网络的煤与瓦斯突出预测

从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。     

煤与瓦斯突出区域预测的人工神经网络模型构建及应用研究

在深入分析煤与瓦斯影响因素的基础上,采用事故树分析与人工神经网络相结合来实现煤与瓦斯突出危险性的区域预测.实证分析结果表明该模型取得了比较理想的预测效果.     

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.     

用人工神经网络模型预测采煤工作面的瓦斯涌出量

根据在采煤工作面所搜集的观测数据对神经网络进行训练 ,建立了预测采煤工作面瓦斯涌出量人工神经网络模型。研究表明 ,人工神经网络模型预报精度更高。而采用Levenberg -Marquardt方法训练的神经网络具有收敛速度快和预报精度高等特性     

基于人工神经网络的煤矿瓦斯浓度预测系统研究

本文采用人工神经网络技术、COM组件技术、数据库等进行开发,形成较为完善的瓦斯浓度预测系统,实现了VB可视化界面与MATLAB的结合,缩短编程周期,提高软件性能。     

基于人工神经网络的煤矿瓦斯涌出量预测系统

目前,煤矿安全形势十分严峻,重大事故时有发生,分析煤炭生产过程中大大小小的各种事故发现,如粜使用的煤矿安全监测监控系统具备灾难预测预报能力,这些重大事故大多可以避免。因此,开发一套具有对煤矿瓦斯等参数实时预测的系统,对于预防重大事故的发生是十分有意义的。     

BP神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是一种极其复杂的瓦斯动力灾害现象.采用煤与瓦斯突出预测常用的7项指标作为输入值,基于BP神经网络的非线性自主学习能力,智能化、定量化地识别煤与瓦斯突出的类型.该模型基于MATLAB的神经网络工具箱加以实现.实验结果证明,基于BP神经网络的煤与瓦斯突出预测模型结果可靠,效果良好,应用性比较强.     

神经网络在煤与瓦斯突出预测中的应用

应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

BP神经网络技术在煤层瓦斯含量预测中的应用

文章以赵庄煤矿2号井3号煤层地质条件为背景,依据煤层瓦斯含量影响因素,应用人工神经网络的理论与方法,建立了煤层瓦斯含量的BP神经网络预测模型。应用该网络对井田范围内未知区域进行煤层瓦斯含量预测和分析,从而绘制出较为准确的井田瓦斯含量预测图。为煤层瓦斯含量预测提供新的研究方法和研究手段。     

基于拟牛顿优化算法BP神经网络的瓦斯灾害预测模型

矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。引入BP神经网络的拟牛顿(Newton)优化算法,在保留空间实体相关和多种分布并存的前提下,讨论了建立拟牛顿优化算法BP神经网络瓦斯灾害预测预报模型的数学模型设计、网络结构设计和程序设计3个部分,并以济宁二号井为实例进行了测试。结果表明:该模型稳定、快速、预测精度高,能够较好地模拟矿山瓦斯突出与爆炸事故特征,对瓦斯灾害作出较准确的预测。     

计算机网络连接增强优化中的神经网络算法

研究了计算机网络连接增强优化问题,并对人工神经网络在仿真模型和算法中的应用进行了研究。希望为促进人工神经网络在计算机网络的使用中提供一定的参考和借鉴。     

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。     

神经网络PID在温度控制中的应用

提出了一种基于BP神经网络的PID控制器方法,充分利用了BP神经网络算法逼近任意连续有界非线性函数的能力,这种PID控制方法能学习和适应严重不确定系统的动态特性。采用3层前向网络,动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决高度非线性和严重不确定系统方面的潜能。实验结果表明,该控制器具有响应速度快、精度高和良好的鲁棒性。     

神经网络模型在大坝位移分析中的应用

大坝变形监测是大坝安全监测中最重要的项目之一.由于大坝变形受到各种外界因素的影响,变形情况非常复杂,预测的准确性对大坝的安全评估起着重要作用.因此,对大坝变形分析预报方法的选择显得尤为重要.该文介绍了统计模型和神经网络模型,提出将BP神经网络方法与统计方法结合的方法.用这两种方法对某大坝位移监测数据进行分析,并对未来变...     

人工神经网络在煤矿通风机故障诊断中的应用

分析了煤矿通风机的常见故障,在介绍BP神经网络原理和算法的基础上,建立了基于BP神经网络模型的通风机故障诊断模型,并应用数学软件MATLAB中的神经网络工具箱实现了通风机不同故障状态的识别。研究结果表明,该方法能准确地诊断通风机的故障类型,具有简单、准确的特点,为实现煤矿通风机的故障预警和保障煤矿的安全生产具有指导意义。     

基于人工神经网络的变压器温升预测应用研究

文章详细介绍了BP神经网络模型和算法 ,建立了变压器绕组温度预测和人工神经元网络BP模型 ,并验证了其可行性和优越性。     

神经网络BP算法在瓦斯吸收光谱中的应用研究

差分吸收光谱法测量煤矿瓦斯浓度是一种较新的方法,针对光谱仪每次分析的光谱带宽是固定的,提出了多层前馈神经网络BP算法来扩展光谱的一种新方法。利用BP算法进行训练的多层神经网络具有强大的非线性映射和学习功能。并与以往的扩展方法进行了比较,仿真实验表明此方法具有更高的精度,从而改进了系统测量瓦斯的精度,适合煤矿瓦斯监测预警系统在线、实时和快速的要求。     

灰色神经网络组合模型在变形监测数据分析中的应用

针对基坑变形预测中数据的灰色性和非线性的特点,提出用灰色神经网络组合模型预测基坑变形的新方法.该文将灰色模型与神经网络模型并联构成组合预测模型,融合二者的优点,并结合实例,将灰色模型、神经网络模型和灰色神经网络组合模型的预测结果进行对比分析.结果表明:灰色神经网络组合模型的预测结果更精确,对变形监测的生产实践具有一定的参考意义.