基于在线自适应极限学习机的矿山排土场滑坡预警模型

排土场滑坡是矿山的重大灾害之一,严重威胁着矿山的安全生产,矿山排土场受地质、人为、自然等多种因素的影响,采用单一指标难以准确和有效地预测滑坡变形趋势和安全稳定性,针对此问题本文提出了基于自适应极限学习机的矿山排土场滑坡预警模型。通过将岩土内摩擦角、坡角、坡高、容重、孔隙水压力系数和内聚力等指标作为输入单元,以稳定系数作为输出单元,对已有的数据进行训练和测试,应用效果表明该方法的理论计算结果与工程实际状况基本一致,具有良好的适应能力,对提高矿山排土场滑坡预警能力和准确性有着一定的借鉴意义。     

基于BP神经网络的煤化工园区安全预警机制研究

从煤化工园区的事故致故原因和安全防备防线两方面建立园区的安全预警指标体系,根据各个预警指标对安全事故的影响程度,采用改进的层次分析法(AHP)来定量分析指标权重,结合BP神经网络构建了煤化工园区的安全预警模型,经过2001次迭代计算后,误差值最高为0.0031,预警的实际值与期望值近乎一致,经过测试验证此模型在煤化工园区的安全预警中有较好的实用效果。     

矿山排土场整体稳定性分析与评价的BP网络预测

排土场稳定性分析与评价是排土场研究工作的核心内容,其稳定性关系到排土场正常运转乃至整个矿山的安全生产.本文论述了运用BP神经网络技术对矿山排土场整体稳定性进行分析与评价的可行性和合理性,在工程应用上有继续深入研究开发的价值,具有良好的应用前景.     

基于神经网络的矿山安全预警专家系统

为了预防和减少矿山安全事故,本文首先对基于神经网络的矿山安全预警专家系统进行了总体设计,其次采用神经网络训练方法分析系统的安全状态,制定安全级别,提出合适的安全措施计划,然后基于大量规则的知识库,通过传统BP与改进BP的实验仿真,采用优化后的BP神经网络算法进行推理,大大提高了推理效率,最后系统进行了实验,结果表明系统预测结果与实际情况基本一致,可以在煤矿中推广使用。     

基于BP神经网络与时间序列的滑坡变形预测分析

多种非线性的组合可提高滑坡位移预测的精度。采用BP神经网络模型与时间序列模型来预测滑坡的位移,充分发挥两非线性方法的优点,利用BP神经网络预测滑坡位移中的稳定趋势项部分,并利用时间序列模型预测滑坡位移的残差部分,实现了滑坡位移预测的目的。通过实际工程数据,证明了综合采用两非线性方法可将预测误差控制在3%以内,具有很强的实用性。     

霍林河北露天煤矿排土场边坡滑坡模式与雷达监测预警

霍林河北露天煤矿工程地质和水文地质条件极其复杂,边坡稳定性较差.为了揭示北露天煤矿滑坡机理,采用边坡稳定性雷达监测技术,结合雷达监测数据和边坡自身特点,分析北露天煤矿排土场潜在滑坡模式;通过边坡稳定性雷达提前获取变形数据,在边坡失稳时提前发出滑坡预警,以确保坑下生产作业安全;最后对雷达获取的数据进行统计,分析重点监测区...     

黑岱沟矿西排土场古滑坡复活变形分析

通过对黑岱沟露天煤矿西排土场古滑坡复活变形的调查与分析，得出其变形、破坏模式，并反算给出滑坡区弱层强度指标。     

刘家山排土场滑坡治理措施

刘家山排土场为民采排弃形成,已经出现大规模滑坡。为了保证上下游生产生活设施的安全,依据现场实际情况,结合现场调查,提出了削坡处理的方案。经过治理后,刘家山排土场平稳地渡过了雨季,目前处于稳定状态,达到了治理目的。     

基于BP神经网络的我国海外矿业投资金融风险预警分析

首先对海外矿业投资的金融风险因素进行了识别,并结合Delphi法建立了相应的评价指标体系,然后应用BP神经网络模型对海外矿业投资的主要投资目的国进行预警分析。结果表明,在未来几年中加拿大、俄罗斯、澳大利亚的风险预警程度中等,巴西、印度与南非的风险预警程度较差,其中南非的经济发展状况较差,印度的国际收支状况、通胀率与财政收支状况较差,巴西的实际贷款利率过高。我国企业可以考虑在风险预警程度较轻的国家进行海外矿业投资。     

黄土滑坡灾害预警的Logistic模型分析

由于已有方法未能对黄土滑坡区域的发育特征进行分析和提取,导致预警结果不理想。提出一种基于Logistic模型的黄土滑坡灾害预警方法,从降雨入渗角度出发,结合各种各样的致灾因子,采用逻辑回归分析研究区域内的滑坡风险,同时对其进行划分,进而提取黄土滑坡的发育特征。通过SPSS计算各种致灾因子的回归系数,使用Logistic模型计算黄土滑坡发生的概率,获取风险区划图,最终实现黄土灾害预警。实验结果表明,所提方法能够获取比较理想的预警结果。     

基于RBF神经网络的露天矿山边坡失稳预警方法

边坡失稳研究是露天矿山安全生产的关键问题,边坡失稳智能化预警的实现是失稳研究的核心内容。以马钢南山铁矿凹山采场高陡边坡工程为例,建立了RBF神经网络预警模型,采用梯度下降训练算法并进行了改进,根据经验来设置算法的学习步长,选取黏聚力、内摩擦角,边坡角、边坡高度,孔隙水压力比、容重等6个因素作为网络的输入单元,利用所选的25组样本数据完成了RBF神经网络的学习。应用学习好的预警模型对南山铁矿凹山采场的2个帮进行了边坡失稳预警分析,得到2个帮的稳定性等级结果分别为1级和3级,即极稳定和基本稳定,与现场情况一致。该预警方法合理,具有推广应用价值。     

基于BP神经网络的水力旋流器建模仿真研究

通过对某一固定的水力旋流器自身工艺的研究,确定水力旋流器的输入与输出。分2种情况对有相互影响的输入参数分别建立BP神经网络的模型和利用Matlab工具箱中的BP神经网络建立水力旋流器的三层神经网络模型。通过对收集的该设备的实例数据进行仿真训练,结果表明不仅是旋流器本身参数,调浆槽的液位等也会对旋流器效率产生影响。     

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。     

基于BP模型的煤矿安全管理投入经济分析

为了合理利用有限资源,通过集成AHP与BP神经网络,建立煤矿安全投入综合评价模型,优化赋权,避免了局部最小点误差,使预测结果更加准确。同时考虑到煤矿系统安全投入不平衡的实际情况,结合西方经济学原理,调整生产函数中各要素投入量,利用已验证的BP网络进行二次预测。经验证优化投入会带来更高的经济效益,是未来发展的新方向。     

基于拟牛顿优化算法BP神经网络的瓦斯灾害预测模型

矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。引入BP神经网络的拟牛顿(Newton)优化算法,在保留空间实体相关和多种分布并存的前提下,讨论了建立拟牛顿优化算法BP神经网络瓦斯灾害预测预报模型的数学模型设计、网络结构设计和程序设计3个部分,并以济宁二号井为实例进行了测试。结果表明:该模型稳定、快速、预测精度高,能够较好地模拟矿山瓦斯突出与爆炸事故特征,对瓦斯灾害作出较准确的预测。     

基于BP神经网络的地表沉降预测模型

简述了人工神经网络的基本原理,通过实例建立了时间序列BP网络模型,并利用已有观测数据对网络进行了训练和测试,经过与实测值进行对比回归分析,证明了该网络的有效性和精确性,可作为一种预测方法对地表沉降做出预测。     

基于遗传BP神经网络模型的矿区开采沉陷预计

为解决常规方法监测矿区开采沉陷的可控性、可操作性差及精度低等问题,采用BP神经网络模型拟合矿区高程值对开采沉陷进行预计是一种有效方法。但传统BP神经网络模型为反向传播算法,在训练时需多次试算方可确定神经网络系统的连接权值和阈值,具有易陷入局部最小值、收敛慢等不足。为此,采用遗传算法（Genetic algorithm,GA）对BP神经网络模型参数进行优化以提高其泛化能力,构建了遗传BP神经网络模型（GA-BP）。以某矿区首采工作面地表25个已进行了三等水准联测的高程监测点数据作为遗传BP神经网络模型（GA-BP）的训练样本（15个监测点数据）和测试样本（其余10个监测点数据）,分别采用BP神经网络模型、二次曲面拟合等方法与其进行试验对比,结果显示：遗传BP神经网络模型（GA-BP）具有更高的内、外符合精度及更小的残差,表明该方法有助于实现对矿区开采沉陷的高精度预计。     

硫化矿石自燃灾害预警的RBF神经网络方法

硫化矿石自燃灾害预警可以快速确定灾害预警等级,进而为灾害防控提供决策以减少矿山损失。通过深入分析硫化矿石自燃典型案例,按照预警指标选取原则,从矿山生产人员、硫化矿石自燃倾向性、环境条件、管理水平等4个方面构建硫化矿石自燃灾害预警系统指标体系。运用RBF预警模型对硫化矿石自燃灾害预警等级进行预测,采用所选的21组样本数据完成了RBF神经网络的学习与训练。应用学习好的预警模型对江西某高硫矿山的硫化矿石自燃灾害预警等级进行预测。结果表明：该矿山硫化矿石自燃灾害预警等级为III级,即自燃危险性一般,与该采场的实际状况相一致。该模型具有很强的实用性,能应用于硫化矿石自燃灾害预警等级的预测。     

基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

基于BP神经网络的井下定位技术研究

井下定位技术对煤矿安全生产起着重要作用。通过分析BP神经网络的特点,提出一种以接收信号强度RSSI为基础的结合BP神经网络的无线传感器定位方案。仿真结果显示该方法满足井下定位需求。