用BP网络模型对烧结矿质量预测

针对烧结这一复杂的物理、化学反应过程的纯滞后特别大的特点,采用ＢＰ网络对其烧结矿的质量进行预测,仿真结果表明该学习算法是很有效的。     

基于BP网络矿山劳动定额管理预测系统

针对目前矿山劳动定额管理存在的效率低,准确性不好的问题,应用附加动量法改进的B P神经网络模型,综合考虑地质、地应力、瓦斯等影响矿山生产的各种因素,对未来的劳动定额进行预测。本系统同时综合了数据库在管理上的应用,简化了劳动定额的制定过程,使系统达到用户的性能要求。     

地表沉陷预测的改进BP神经网络模型

为了更加准确地预测地表沉陷变形,基于Adaboost算法采用多网络共同计算策略改进了BP神经网络,通过实际沉降数据对Adaboost算法改进后的神经网络进行训练,预测地表最大下沉量、影响角正切和拐点偏移距,将预测的3个参数代入概率积分法中,建立了地表沉陷公式,对改进效果和地表沉陷公式分别进行了验证。结果表明:(1)通过对比改进前后BP神经网络的计算精度,未经过Adaboost算法改进的BP神经网络误差明显大于改进后的BP神经网络,说明基于Adaboost修正后的BP神经网络计算精度得到了有效提升;(2)基于BP神经网络对最大下沉量、影响角正切和拐点偏移距3个参数进行预测,结合概率分析法,能够实现稳沉后采空区主断面上方地表沉降规律的准确描述。以鲁西南地区某矿3301采空区地表为例,利用改进BP神经网络预测了地表最大下沉量、影响角正切和拐点偏移距,进而给出了地表沉陷曲线,与现场实测结果对比显示:改进BP神经网络的最大误差小于0.105 m,最大相对误差为4.3%,证明了所提计算方法的可靠性。     

基于遗传算法改进BP网络的地表沉陷预计

本文采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络，即先用遗传学习算法进行全局训练，再用BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，将该方法应用于地表沉陷预计问题中。建立了采动地表沉陷的神经网络预计模型，利用矿区大量的地表沉陷实际观测数据样本对该神经网络进行训练和学习，并用该网络对几组数据进行采动地表沉陷预计。结果表明，该神经网络预计模型具有收敛速度快、预测精度高的优点，为采动地表沉陷预计提供了实用的方法。     

基于MATLAB的BP网络在矿产资源预测中的应用

人工神经网络（ANN）是近几年兴起的一门综合交叉学科。人工神经网络在进行预测时，是在输出和输入之间建立一个非线性眏射关系，ANN可自动模拟各种成矿因素之间的自然关系，进行全局优化搜索，减少人为干预，提高资源预测的准确率。其中以反向传播网络--BP网络应用最广泛。由于MATLAB提供了跟踪国外先进计算方法与数学模型的许多工具箱，利用MATLAB中的神经网络工具箱，可方便地实现BP网络模型的学习、训练、拟合及预测（仿真）过程。基于上述思路以陕西省旬北地区铅锌矿的远景区预测为例，在MATLAB平台中调用其内部函数建立了BP人工神经网络矿产资源预测系统，并在此基础上进行了远景区预测。     

BP网络在基坑工程变形预测中的应用研究

本文结合实例提出了基坑工程施工过程中地表沉降预测的BP网络分析方法,建立和编制了在各种条件下均能类似地应用的预测网络模型和计算程序,取得了令人满意的结果。     

基于改进狮群算法和BP神经网络模型的磨矿浓度预测

针对当前选矿生产过程中磨矿参数难以实时测量,导致的无法对磨矿流程控制进行有效实时优化的问题,提出了一种基于改进狮群算法和BP神经网络的磨矿浓度预测方法。传统的狮群算法(Lion Swarm Optimization, LSO)存在容易陷入局部最优解和局部搜索能力弱的问题,通过改变狮王更新方式的同时加入衰减因子,来提升全局搜索能力,避免陷入局部最优解,对于母狮和学习狮的更新方式引入了动态学习策略,来优化局部搜索能力,并在仿真测试中验证了改进算法的优越性。同时利用改进的算法代替BP神经网络中的梯度下降法,来搜索最优的权值和阈值,提升BP神经网络收敛速度和收敛精度。试验结果表明,改进狮群算法优化的BP神经网络(Improved Lion Swarm Optimization-BP,ILSO-BP)在此预测问题上有更好的效果。     

基于BP网络预测建模中的早终止方法及其矿业应用

为克服基于ＢＰ网络的实用预测建模中,盲目地过多训练网络所造成的网络“过度拟事”问题,本论述采用“早终止”方式的基于ＢＰ网络的预测建模方法,并以一选矿建模实例来说明这种方法的应用及“早终止”方式的具体实施途径。     

人工神经BP网络预测露天采场爆堆矿石质量的方法

露天矿采场的矿石质量数据预测控制的准确程度直接影响着矿石质量的利用，它是矿石质量管理的原始数据，是输出矿石质量能否稳定和均匀的前提和保证。人工神经BP网络控制预测露天矿采场爆堆的矿石质量，既可减轻目前人工爆堆取样的劳动强度，又可减少大量的化验费用。     

基于BP网络对刀具磨损的预测

利用SolidWorks建立了三维车削模型,基于DEFORM-3D软件对车削过程进行了仿真模拟,得出了刀具在车削过程中的磨损数据,利用BP神经网络对数据进行了曲线拟合,得出了刀具磨损预测曲线图。     

环境评价的人工神经网络方法

简要讨论了神经网络的基本原理, 介绍了多层前馈神经网络模型及BP 算法解决问题的基本思路与方法, 分别对两个地方的大气质量及水质进行了评价, 同时分别采用模糊数学法及灰色聚类法对这两组数据进行了处理, 所得结果一致。     

金属矿山岩层移动角选取的BP神经网络模型 及工程应用

研究岩层移动与沉陷最重要的角值参数是移动角,正确确定岩层移动角与移动范围对于矿山工程布置具有非常重要的意义。本文在分析国内外大量金属矿山崩落法与充填法开采岩层移动研究成果的基础上,采用改进的BP神经网络算法建立了金属矿山岩层移动角选取的模型,并对模型的预测精度进行了验证。结果表明,所选取的各因素之间与岩层的移动之间存在着较强的非线性规律,实际输出与期望输出基本吻合。将所建立的网络模型应用于狮子山铜矿地下开采岩层移动角的预测,取得了较好的效果。     

基于BP神经网络的地下水水位预测

基于BP网络模型 ,对地下水水位变化规律进行了定量预测。网络模型由三层构成 :输入层、隐含层、输出层。节点单元以及各层间的连接强度决定了BP网络的执行情况。实验结果表明 ,BP神经网络是一种较为有效的预测方法     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

基于人工神经网络的冲击地压预测

本文应用Matlab语言编写了BP神经网络程序，并对BP算法做了一定的改进，用此算法对冲击地压进行了预测，结果令人满意。     

应用网络技术提高矿产品的价值增值

在日益全球化的矿业市场竞争中,我国矿业企业面临着降低成本、提高效率、提高产品价值增值的压力。本文分析了在矿业市场的竞争中应用网络技术的必要性,提出了矿业市场应用网络技术的方式及途径,及基于网络技术提高矿产品在市场交易中的价值增值手段。最后通过案例分析,提出了矿业市场应用网络技术的前景。     

应用网络技术提高矿产品的价值增值

在日益全球化的矿业市场竞争中,我国矿业企业面临着降低成本、提高效率、提高产品价值增值的压力。本文分析了在矿业市场的竞争中应用网络技术的必要性,提出了矿业市场应用网络技术的方式及途径,及基于网络技术提高矿产品在市场交易中的价值增值手段。最后通过案例分析,提出了矿业市场应用网络技术的前景。     

基于BP网络的矿井安全状况综合评价的研究

针对目前煤矿安全状况方面存在的问题,以矿井安全为研究对象,建立了煤矿安全状况综合评价的指标体系;运用层次分析法确定指标及准则层的权重,并运用模糊综合评价法生成评价样本集.最后,利用样本训练BP网络,待误差满足要求后,即可运用训练成功的BP神经网络,进行矿井安全状况综合评价.     

线性规划方法在矿石质量控制中的应用

原矿质量波动较大时会造成铁精粉的产量与质量的不稳定，影响矿山经济效益，采用线性规划方法编制生产计划，根据矿山资源配置、设备状况、市场销售等条件约束矿石生产，保证入选矿石质量均匀、稳定，使矿山获得最大经济效益。