边坡稳定性评价中的改进BP神经网络

根据人工神经网络理论，对BP神经网络的性能进行改进，建立边坡稳定性分析模型，通过对搜集到的边坡稳定性实例进行学习和预测，能够快速准确地对边坡的稳定性进行分析评价。     

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。     

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。     

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。     

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。     

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.     

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。     

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。     

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。     

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     

人工神经网络在边坡稳定性预测中的应用

对人工神经网络及BP神经网络的基本知识进行了介绍,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的神经网络工具箱实现了边坡稳定性的预测,通过收集到的边坡实例进行训练。结果表明,利用BP神经网络对边坡稳定性进行预测,预测结果与实际相吻合,能够满足工程需要,说明应用BP神经网络进行边坡稳定性的预测是可行的。     

边坡稳定分析评价的概率神经网络方法

应用基于概率神经网络的方法,建立了由８０个边坡工程实例所组成的ＡＮＮ预测知识库。并对某工程几个实际边坡段稳定性进行了预测研究,结果可行。     

利用人工神经元网络预测老顶来压步距

利用人工神经元网络对工作面的顶板来压步距进行了预测，确定了影响来压步距的２８项主要因素，包括顶板地质条件的影响和采动影响。将现场所提供的实际数据整理为学习样本，采用ＢＰ网络进行学习和预测，神经元网络的作用类似于回归分析，但它与普通的多元非线性回归比较而言具有明显优点是：输入参数的数目受不受限制，定性参数亦可作为输入，并且预测的精度较高。     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

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。     

APPLICATION OF HIERARCHY ARTIFICIAL NEURAL NETWORK TO EVALUATE THE EXPLOITATIONCONDITIONS OF SURFACE MINING AREA

IntroductionlnChina,coalisstilltheprimaryenergy,itsproductionandconsumptionaccountsfor2/3ofprimaryenergyincertainperiod.Inordertoreachthetargetofthecoalproductionof14billiontonsattheendofthecentury,itisnecessaryandfeasibletoaccelerateexploltlngsurfaceareasaccordingtothedevelopmentoftheinternationalcoalexploitationandthesuperiorityofsurfacemining.Soitisanimportanttopicforthesurfaceminingdevelopmentofcoalresourceabouthowtoselectreasonablesurfaceminingareas,optimizetheorderoftheexp1oitation,explo…     

工程造价估算模型的发展及神经网络估算模型

通过分析不同时代估算模型的特点及其存在的问题，建立了人工神经网络造价估算模型．并详细地介绍了该模型建立的基本原理及学习的ＢＰ算法．最后以煤矿井筒工程实际资料为例，应用神经网络估算模型进行了估算．结果表明，该模型估算准确，由于考虑了主材价格变化，因此非常适应于工程造价动态管理．     

利用遗传算法优化的小波神经网络实现地热资源预测

文章主要介绍了一种基于遗传算法优化的小波神经网络进行地热资源评测的方法。选择对地热资源产生具有较大影响的火山、地震、布格重力、磁异常、到断层距离和地下水SiO2组分作为评测影响因子,利用小波神经网络优异的时频转换、网络自学习特性和遗传算法的全局优化特点,将两者相结合,对网络参数进行优化,并进行网络自学习。通过数据仿真得到的预测值与实际值基本一致,证明了该方法具有良好的地热资源评测前瞻性。