改进的BP神经网络在边坡稳定性评价中的应用

本文利用人工神经网络的非线性映射能力,在考虑影响边坡稳定性的各种因素的基础上建立了边坡稳定性评价的BP神经网络模型。经过计算结果的检验,证明该模型是可行的,对今后边坡稳定性预测具有借鉴意义。     

MATLAB的BP神经网络在边坡稳定性评价中的应用

运用MATLAB的神经网络工具箱(NNT)建立了边坡稳定性BP神经网络预测模型,并以大伙房水库输水工程引水隧洞出水口边坡稳定性评价为例,阐述了基于MATLAB的BP神经网络应用于边坡稳定性分析的可行性和可靠性.     

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。     

BP神经网络在边坡稳定性预测中的应用

对BP神经网络的基本知识进行了简单介绍,并以BP神经网络为基础建立了边坡稳定性预测的数学模型,利用MATLAB的神经网络工具箱模拟了边坡稳定性的预测,结合收集到的边坡实例进行训练。结果表明,BP神经网络对边坡稳定性预测结果与实际符合,能够满足工程需要。表明应用BP神经网络进行边坡稳定性的预测是可行的。     

应用BP神经网络确定露天矿边坡角

应用人工神经网络理论，提出了预测露天矿边坡角的新方法。通过收集到的边坡角的实例，对所建立的BP网络模型进行训练与预测。预测结果表明，人工神经网络模型预测露天矿边坡角有很高的精度，对露天矿边坡角的设计有很高的参考价值。     

用人工神经网络评价边坡稳定性

应用人工神经网络原理，采用改进的BP算法，建立边坡稳定性分析模型，并选用工程实例对网络进行检测，计算出边坡的稳定安全系数，比较结果表明，神经网络模型分析边坡的稳定性有较好的适用性，能满足计算的精度要求。     

BP神经网络在露天矿边坡稳定性分析中的应用

对边坡进行稳定性分析是治理边坡工程的基础,正确确定露天矿边坡稳定性对于露天矿山工程具有非常重要的意义。本文在分析国内外大量露天矿边坡稳定性研究成果的基础上,采用改进的BP神经网络算法建立了露天矿边坡稳定性分析的神经网络预测模型,并对模型的预测精度进行了验证,结果表明,实际输出与期望输出基本吻合。将所建立的网络模型应用某露天矿边坡稳定性预测,取得了较好的效果。     

应用BP神经网络确定露天矿边坡角

应用人工神经网络理论,提出了预测露天矿边坡角的新方法.通过收集到的边坡角的实例,对所建立的BP网络模型进行训练与预测.预测结果表明,人工神经网络模型预测露天矿边坡角有很高的精度,对露天矿边坡角的设计有很高的参考价值.     

边坡抗震稳定性分析的神经网络法

从人工神经网络的基本原理出发 ,建立了边坡稳定性分析的人工神经网络模型。选择四川和云南地区的 70个边坡实例作为学习样本 ,对BP算法进行了学习和检验。计算表明 ,BP网络性能良好 ,所建立的模型预测精度高 ,具有一定的工程实用价值     

综合改进BP神经网络在边坡稳定性预测中的应用

针对标准BP神经网络存在收敛速度慢和易陷入局部最小值的问题,提出用附加动量法和自适应学习速率法来优化BP神经网络,提高其收敛速度;引入具有全局搜索能力的模拟退火算法,克服其容易陷入局部最小值问题。应用综合改进后的BP神经网络对已知的实际边坡进行了预测,并将其预测结果与标准BP神经网络和实际值进行对比分析。结果表明:综合改进后的BP神经网络在边坡稳定性预测具有较好的预测效果,与标准的BP神经网络相比,不仅提高了计算速度,而且较大地提高了预测精度,具有较好的应用前景。     

基于BP神经网络的动力煤质量评价

介绍了基于BP神经网络的动力煤质量评价方法,阐述了基本原理和算法步骤。利用BP算法对训练样本进行学习,确定评价模型,进而利用训练好的网络对评价样本进行评价,并与模糊评判结果对比,得出了评价结果。     

基于PSO-BP神经网络的边坡稳定性模型研究

为了对边坡的稳定性进行分析,以黏聚力、内摩擦角、边坡倾角、坡体的容重、边坡高度、孔隙压力比6个主要影响因素作为边坡稳定性的判别指标,利用粒子群算法优化BP神经网络的权值和阀值,建立边坡稳定性的PSO-BP模型,并对5个边坡的稳定性进行分析,预测的平均误差达到1.98%,预测效果较好。结果表明,PSO-BP神经网络模型较传统的BP神经网络模型精度更高,收敛速度更快。     

灰色关联度和BP网络预测边坡稳定性的对比分析

基于灰色系统的灰色关联和BP人工神经网络分析理论，分别选取影响土质、岩质边坡稳定性的一些主要因素，对边坡是否失稳进行了预测。针对重庆地区高速公路一些边坡工程实例进行了分析计算，结果与实际情况符合的很好，说明了利用灰色关联分析方法和BP人工神经网络预测边坡稳定性是可行的。     

用神经网络分析露天矿边坡稳定性

影响露天矿边坡稳定性的因素十分复杂，有些因素对边坡的影响程度很难确定，用神经网络分析露天矿边坡的稳定性逐渐受到重视。考虑了岩体的结构面倾角、中间结构面长度、粘聚力、摩擦角、重度和水压力比对露天矿边坡稳定性的影响，并通过49个算例的分析比较，说明BP神经网络方法用于露天矿边坡稳定性分析的可行性。     

BP网络在露天矿边坡角优化中的应用

基于影响边坡稳定性的主要自然和工程因素,运用BP神经网络预测岩质边坡的稳定性,经大量样本进行网络训练,得出可靠的BP网络模型,预测露天矿最终边坡的最优化角度,并将结果与多元线性回归的预测角度比较。研究表明神经网络法具有精度高、收敛速度快、容错能力高等特点,能够满足实际工程的需要,是有一定实用价值和参考价值的边坡稳定性预测方法。     

用改进的BP神经网络由地震属性预测测井特性

由地震数据预测测井特性能实现测井曲线的横向外推。分析的数据由一系列与某个地震数据体相连的井的目标测井曲线组成，它利用地震数据体计算一系列基于样点的属性，导出属性的某个子集与目标测井值之间的线性或非线性变换，利用建立的统计关系，由地震属性来预测测井信息。与传统反演方法相比，该方法应用更方便并可以很大地提高分辨率。介绍了一种用改进的多层前馈神经网络由地震属性进行测井特性预测的方法，并应用理论模型和实测数据对该方法进行了验证，结果令人满意。     

露天矿最终边坡角的BP神经网络预测及数值模拟验证

利用专家调查表的方式分析露天矿山边坡稳定性的主要影响因素,确定网络模型的输入层神经元。研究BP神经网络的结构和输出方式,对神经网络模型进行优化,并收集大量矿山稳定边坡的相关参数作为样本库,建立神经网络预测模型,将该模型用于某大型深凹露天矿山最终边坡角的预测。根据预测边坡角参数,采用SURPAC—MIDAS—FLAC3D多软件组合的方式,创建逼真的矿山边坡稳定性三维数值计算模型并进行模拟分析,结果表明,模型预测的边坡角满足设计要求。     

基于PSO优化BP神经网络的露天矿边坡位移预测模型

BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.566 8%和0.353 0%,具有较好的精度和实际应用价值。     

BP神经网络在露天矿边坡位移预测中的应用

随着露天矿开采深度的不断增加,矿山边坡高度也不断增加,随之而来的是对边坡稳定的维护与控制的难度大大增加。在全球卫星定位系统(GPS)所获得的露天矿边坡位移监测资料的基础上,应用BP神经网络模型对实测数据进行模拟计算和预测。分析结果表明,模型合理、可靠,精度较高。