基于T-S模糊神经网络的瓦斯涌出量预测

在对T-S模糊神经网络原理进行分析的基础上,采用MATLAB语言,利用赵庄二号井2314工作面所测得的数据,建立T-S模糊神经网络预测模型。该方法具有拟合性能强,预测准确度高的优点,可以作为采煤工作面瓦斯涌出量预测的方法,对于瓦斯治理有着重要意义。     

基于改进T-S模糊神经网络的瓦斯涌出量预测

该文针对瓦斯涌出量不容易确定的问题,提出基于改进T-S模糊神经网络的瓦斯涌出量预测方法,该方法很好的表达了瓦斯涌出量与其影响因素之间的复杂的非线性关系,解决了多输入单输出数据集的建模预测问题。预测结果与实际涌出量吻合度较高,表明了改进的T-S模糊神经网络在瓦斯涌出量预测上的可行性。为煤矿的安全生产中瓦斯涌出量的预测提供了一种新的途径。     

大型地下硐室开挖过程位移变形智能预测

地下硐室开挖过程中,硐周位移及其变化规律比较获得并起着十分重要的作用,不仅可以作为检验施工设计的依据,而且可以预测预报围岩的稳定性和调整开挖方式、支护设计等,从而指导施工。根据现场监测的数据,利用建立的遗传神经网络模型,分析了原始数据,对观测数据进行学习,预测下步施工位移变形量,从而为施工方法及时调整和支护方案优选提供参考。工程实例分析表明,该方法预测精度高、实用性广、简单易行。     

地下硐室节理化顶板稳定性研究

地下硐室顶板被高倾角平行节理切割后 ,在沿顶板轴向方向上 ,容易形成节理梁结构。这种结构是以压力拱的形式来维持平衡的。当硐室的跨度与长度尺寸不满足平面应变条件时 ,还必须考虑顶板的几何效应及顶板内裂隙发展所带来的影响。本文详细研究了节理岩梁拱推力 ,对国内外的一些研究成果进行了改进 ,对影响正方形和矩形硐室顶板稳定性的因素进行了研究     

基于BP的地下硐室围岩位移预测方法及应用

以某工程实例为背景,建立基于人工神经网络的硐室围岩收敛位移预报模型,对已开挖的3个硐室围岩最终位移量进行检测,并将硐室围岩最终位移量与围岩坚固性系数的关系进行拟合,得到相应的关系函数,应用该函数对本分段内即将开挖的硐室D4的最终位移量进行了预测,预测值与实测结果吻合度较高,为后续施工过程中对围岩位移监测提供了重要的技术参考。     

地下矿硐室设计中的稳定性评价--敏感性分析

普遍认为,恰当地评价矿山硐室(例如采场、巷道、通道)的稳定性,对优化矿山设计和维持生产水平在某一运行成本之下非常关键.本文提出了一种在地下矿硐室设计中,用于检验硐室的形状、大小、方位效应以及支护要求的方法.在地下矿山巷道、采场的工程力学设计中,传统上采用经验的、数值的以及解析的岩石工程方法已经集成在一个综合软件包中,可用于矿山计划与设计.在给定的时间内,通过敏感性分析,工作人员就可以得到矿山设计训练的一部分的比较方案,侧重点放在比较方案的检验上.当实施部分矿山长期规划和可行性研究以及可以获得矿山设计方面的大多数可选方案时,敏感性分析就显示出特殊的意义.它们也能用作战术性工具改进生产矿山计划,或在地下矿山生产年限内反分析与地压有关的问题.给出了地下硬岩矿山设计的实例,从而展示敏感性分析的应用.     

基于T-S模糊神经网络的边坡稳定性分析

由于影响边坡稳定性的因素存在随机性、模糊性,本文将模糊系统思想融入到神经网络的应用中,建立T-S模糊神经网络,采用粘聚力、摩擦角、边坡角、边坡高、人为影响、采矿工程影响这6个参数作为边坡稳定性评价系统的输入参数,而将边坡稳定状态作为输出参数,通过对工程实例的建模分析表明,该网络预测精度达到工程要求,该分析方法具有较为广泛的应用前景。     

爆破参数智能设计的T-S模糊神经网络方法

针对地下矿山爆破参数设计的工作繁琐、任务量大等问题,建立基于T-S模糊神经网络的地下矿山爆破参数智能设计模型,实现爆破参数快速、智能设计。以某矿山地下矿中深孔爆破为研究对象,收集大量矿山现场实测数据,以抗压强度、抗拉强度、初始弹模、弹性模量、泊松比、黏聚力、内摩擦角、孔底距和排距为输入量,利用BP神经网络和T-S模糊神经网络,建立不同的地下矿山爆破参数预测模型,结果表明,T-S模糊神经网络具有更高的准确性以及更快的运行时间,能够更好地表达地下矿爆破参数与主控因素之间的非线性关系,网络预测值与目标值的均方误差达到1.375 9×10^-5,模型预测效果最佳,为矿山地下矿爆破参数设计提供了参考依据。     

模糊神经网络的发展与应用

模糊神经网络是将人工神经网络与模糊逻辑系统相结合的一种能处理抽象信息的网络,是控制理论中智能控制研究领域一个十分活跃的分支。模糊神经网络吸取了神经网络和模糊系统的长处,在处理非线性、模糊性等问题上有很大的优越性,在智能信息处理方面存在巨大的潜力,使得越来越多的专家学者投入到这个领域中来,并取得了卓有成效的研究成果。文章介绍了模糊神经网络的发展、优点、应用及其发展动向,论述了模糊神经网络目前的几个研究热点。     

基于T-S模糊模型的棒磨机给料优化决策

针对磨矿过程中棒磨机时常出现不饱或胀肚,从而影响生产效率这一问题,提出了一种基于T-S模糊模型的棒磨机给料优化决策方法。根据棒磨工艺流程和操作经验,以棒磨机实际给料量及其与棒磨后的筛下给矿料的比较值作为前件,建立了一个棒磨机给料的非齐次T-S优化决策模糊模型。仿真结果表明,应用这一方法可使棒磨机给料量达到最优值。     

综采工作面上覆岩层垮落高度T-S模糊预测模型研究

通过分析影响综采工作面上覆岩层垮落高度的主要因素,借助层次分析法确定垮落高度低、中、高3种典型情况的因素权重,结合各种因素论域的模糊划分得到T-S模糊系统,建立了一种新的综采工作面上覆岩层垮落高度T-S模糊预测模型。利用该模型分别对镇城底矿、王庄矿、杜儿坪矿综采工作面上覆岩层垮落高度进行了计算,结果为16.463 3、18.688 7、16.463 7 m,相对误差分别为0.88%、3.42%、8.31%,表明该预测模型具有较高的精度。     

改进的神经网络在瓦斯涌出量预测中的应用

以解决矿井瓦斯涌出量预测问题为研究目的,将模糊系统和人工神经网络有机结合起来,组成T-S模糊神经网络,利用遗传算法对网络中参数值进行优化,对淮南某煤矿进行试验并分析。结果表明预测模型正确可靠。     

基于GA-BP神经网络的采空区地表沉降预测模型

为了提高采空区地表沉降预测准确性,选择上覆岩层弹性模量、泊松比、内聚力、内摩擦角、开采深度、采高、矿体倾角和采场尺寸共8项影响采空区沉降的指标进行研究,通过遗传算法(GA)优化BP神经网络,构建了GA-BP神经网络采空区地表沉降预测模型,对采空区地表沉降趋势初步预测与分析。模型解算结果表明,相比传统BP神经网络预测模型,GA-BP神经网络预测模型在预测精度、拟合性能和收敛速度方面都有所提高。     

某高原洞库爆破方案的优化设计与应用

某高原洞库开挖工程,由于受特殊的地理环境及爆破器件的限制,对爆破方案的设计与施工提出了特殊的要求,从工程施工的具体条件出发,通过合理化爆破方案,综合运用爆破技术,并严格要求施工质量,最终取得了满意的爆破效果。     

基于多元线性回归与BP神经网络的矿井瓦斯预测模型应用

矿井瓦斯涌出量受众多因素的影响。经研究表明,煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层间距、日进度及日产量是影响瓦斯涌出的主要因素。利用多元线性回归和BP神经网络理论,分别对矿井瓦斯涌出量进行了预测,最后建立了多元线性回归与BP神经网络的组合预测模型。该模型兼顾了多元回归分析的非线性特性和神经网络的时序特性,通过具体的实例研究,对比了各种方法的预测结果。结果显示,组合预测的结果与实际有较高的拟合度,可靠性高。     

模糊神经网络在提升机制动系统故障诊断中的应用

针对BP神经网络在提升机制动系统故障诊断中的局限性,如收敛速度慢和可靠性差等缺点,根据提升机制动系统的故障机理和特点,提出了一种基于遗传算法的模糊神经网络故障诊断方法。结合了神经网络和模糊逻辑的优点,在利用神经网络对提升机制动系统进行故障诊断的基础上,引入模糊逻辑的概念,采用模糊隶属函数来描述这些故障的程度,并利用遗传算法对网络的权值和阈值进行修正,加快了网络收敛的速度,克服了易陷入局部极小的问题。     

广义动态模糊神经网络及在轴承故障诊断中的应用

提出一种结合小波包分解和广义动态模糊神经网络的故障诊断方法,该方法首先采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此向量作为输入,再利用广义动态模糊神经网络建立轴承故障诊断模型,该模型不仅能对模糊规则而且能对输入变量的重要性做出评价,使每个输入变量和模糊规则都可根据误差减少率进行修正。实验结果表明:该方法对识别和预测轴承的状态具有较高的精度和效率。