共查询到19条相似文献,搜索用时 546 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
基于人工神经网络的矿井通风系统安全可靠性评价 总被引:7,自引:0,他引:7
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。 相似文献
5.
6.
7.
煤矿重大危险源BP网络评价方法的探讨 总被引:2,自引:0,他引:2
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。 相似文献
8.
应用神经网络对煤矿突水预测评价 总被引:1,自引:0,他引:1
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。 相似文献
9.
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。 相似文献
10.
11.
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
16.
矿井通风系统安全性评价及其应用 总被引:8,自引:2,他引:8
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。 相似文献
17.
18.
19.
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. 相似文献