BP算法在矿井通风系统评价中的应用

矿井通风系统安全评价是矿井通风安全现代化管理的重要内容。根据煤矿通风系统安全评价指标体系建立原则,建立多因素控制的煤矿安全评价BP人工神经网络模型。在此基础上,运用Matlab编制BP网络程序对网络进行训练,建立煤矿通风系统BP网络安全评价模型。预测结果表明,应用BP神经网络进行通风系统安全评价,网络收敛性满足要求,评价精度比较高。     

矿井通风网络最优化评价的BP神经网络模型

从基本指标、辅助指标两个方面确立了包含16项矿井通风网络最优化的评价指标,建立了矿井通风网络最优化评价体系。通过采用样本数据对BP神经网络进行训练,确定隐含层神经元个数,通过对检验样本进行预测,校验BP神经网络。将训练后的BP神经网络模型用于葛亭煤矿、山东新河煤矿、淮南潘一矿通风网络评价,所得结果与矿井通风网络的实际情况较吻合。分析表明,BP神经网络模型可用于对矿井通风网络进行有效评价,可供类似矿山参考。     

基于灰关联和神经网络的通风系统评价模型

针对BP神经网络随维数增加学习时间剧增,易陷入局部最小点以及通风系统评价样本量小、评价指标多的技术难题,利用灰色关联度筛选评价指标,以此确定人工神经网络的输入参数。采用基于Levenberg-Marquardt(L-M)算法的BP神经网络,建立通风系统综合集成评价模型,并用VC++6.0开发了灰关联—神经网络评价软件。选用基于人工神经网络通风系统评价的典型实例作为评价样本,将原有16-32-3的网络模型简化为8-3-3。结果表明,建立的评价模型仿真结论与基于人工神经网络的结论完全吻合,并且模型简单,易于操作,训练效率大幅提高,有一定的推广应用价值。     

基于人工神经网络的矿井通风系统安全可靠性评价

针对传统的通风系统安全可靠性评价方法存在的问题,提出用人工神经网络BP算法进行评价的方法,并用VC++6.0开发了建立矿井通风系统安全可靠性评价BP网络模型的软件。应用实例说明该评价方法具有较高的准确性和可靠性。     

用L-M法改进的BP神经网络评价边坡稳定性

根据人工神经网络理论,采用L-M算法,对BP神经网络的性能进行改进,建立了边坡稳定性评价模型,并在MATLAB下运行实现。通过对检验样本的预测,验证了模型的可靠性,进而应用此模型对一露天矿边坡进行稳定性评价,并与简化毕肖普方法进行了比较。计算分析表明,基于L-M算法改进的BP神经网络收敛速度快、计算精度高、泛化能力强,可以作为评价边坡稳定性的一种方法。     

基于FCE模型的矿井通风系统稳定性评价与应用

本文通过研究矿井通风系统失效模式得出:通风网络、通风动力、通风设施、灾变为主要影响因素,建立了矿井通风系统稳定性评价指标体系。采用模糊数学方法建立了矿井通风系统稳定性评价数学模型。运用该模型对黔山煤矿通风系统进行评价。评价结果表明:黔山煤矿通风系统得分为81.373,通风系统较稳定。     

煤矿重大危险源BP网络评价方法的探讨

该文借鉴煤矿重大危险源的传统标准评价体系基础上,尝试性地建立煤矿重大危险源的动态BP网络评价模型,并且探索性地针对贵州省煤矿区域特点,建立和应用BP神经网络评价框架方法,以达到预期的评价目的和效果。     

应用神经网络对煤矿突水预测评价

在介绍了神经网络基本原理及学习算法的基础上，建立了煤矿突水的人工神经网络（BP网络）模型。通过网络对已知样本的自适应学习，对皖北刘桥二矿4＃煤层底板突水进行了预测评价，效果较为满意。     

矿井通风系统可靠性预测研究

为解决矿井通风系统监控实效性差的问题,分析同煤集团大斗沟煤矿矿井通风系统的现状,提出采用BP神经网络算法,对通风系统的可靠性进行动态研究,通过Matlab仿真软件进行预测系统验证。结果表明,神经网络模型能反映系统的可靠性级别,通风系统比较可靠,为建立预测系统的数学模型提供经验。     

改进的BP神经网络在路基沉降预测中的应用

针对传统的BP神经网络存在的缺点,提出了用附加动量法、自适应学习速率和L-M优化算法等几种算法进行优化。通过对比分析,证明了采用L-M优化和附加动量因子算法相结合取得了最优的预测效果。该方法克服了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点。结合现场实测数据,将该优化模型与传统的BP神经网络预测模型对比,预测结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜广泛采用。     

基于BP神经网络和模糊控制的智能通风系统设计

针对传统的井下局部通风机恒速运行及浪费电能的缺陷,提出了一种基于BP神经网络和模糊控制的智能通风系统。将井下瓦斯浓度、温度、湿度及煤尘等参数输入到BP神经网络模型中,对井下风量进行预测,通过当前风量与预测风量的对比,运用模糊控制算法对变频器电压进行调节,从而实现对变频器输出频率的控制,有效降低了局部通风机的耗电量,对煤矿安全生产具有重要的现实意义。     

基于BP神经网络的煤矿安全管理绩效评价

 建立煤矿安全管理绩效评价指标体系,介绍BP神经网络评价法的结构和原理,构建煤矿安全管理绩效评价的BP神经网络模型,对其输入输出参数、各层连接权值和域值进行界定;以matlab6.0软件为平台,利用其内嵌的神经网络工具箱和样本数据对构造好的神经网络进行训练,同时对煤矿安全管理绩效进行预测。     

煤矿通风瓦斯安全分区控制研究

阐述了煤矿安全分区理论,安全分区即考虑了不同分区的特点,又可建立不同分区之间安全因素的联系,可构建长效的煤矿安全管理体系;分析了通风瓦斯安全分区技术,依据煤矿安全分区管理理论和通风瓦斯安全分区技术,结合网络技术、通信技术建立了煤矿通风瓦斯安全分区控制体系。     

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。     

赵家寨煤矿通风系统优化改造方案

赵家寨煤矿现有5个采煤工作面、13个掘进工作面,由于生产采区布置集中,未实现矿井分区通风。针对矿井通风系统存在的问题,通过方案比较确定了矿井通风系统优化方案是利用原有巷道和新设计巷道改变通风网络,进而实现矿井分区通风,该方案既解决了矿井分区通风问题,又缓解了11回风上山风速超限问题,为矿井安全生产提供了保证。     

矿井通风系统安全性评价及其应用

运用层次分析法研究了通风系统的影响因素，建立了矿井通风系统安全性评价体系。用矿井通风系统安全度来定量描述矿井通风系统的安全性，并介绍一个应用实例。     

贵州某矿通风系统网络解算及整改措施

矿井通风系统的好坏一般要从技术性、安全性和经济性进行综合评价,达到技术上可行、经济上合理、安全可靠的基本原则。以贵州某矿为实例,通过对该矿井通风系统存在的问题分析,提出整改方案,利用AVENT软件进行通风网络解算,对其解算结果进行分析,提出矿井最优通风方案,选择合理的主要通风机。     

蚁群神经网络在煤矿安全评价中的应用

煤矿安全评价是预防和控制煤矿灾害事故的重要内容。将蚁群算法和神经网络结合起来,用蚁群算法来训练神经网络的权值,建立了基于蚁群算法的神经网络安全评价模型,并将其应用于煤矿安全评价。经实践证明,该模型具有神经网络广泛映射能力和全局收敛的性能。     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.