共查询到20条相似文献,搜索用时 941 毫秒
1.
遗传算法与神经网络协同求解采矿工程中的优化问题 总被引:7,自引:0,他引:7
本文将遗传算法与神经网络相结合,构成GA-ANN法,协同求解采矿工程中的优化问题。该法既利用了神经网络的非线性映射、网络推理和预测的功能,又利用了遗传算法的全局优化特性。通过实例证明了该法的优越性。 相似文献
2.
3.
4.
5.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
6.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
7.
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。 相似文献
8.
基于遗传神经网络的煤层瓦斯含量预测 总被引:4,自引:0,他引:4
将遗传算法和神经网络结合起来,利用遗传算法优化神经网络的连接权值,建立基于GA-BP混合算法的神经网络煤层瓦斯含量的预测模型,实际预测结果表明,该算法具有较高的预测精度和较快的运算速度,能为矿井瓦斯灾害的预测预防提供帮助。 相似文献
9.
10.
固体废弃物膏体充填料浆质量的神经网络研究 总被引:3,自引:0,他引:3
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
11.
12.
13.
14.
15.
基于遗传算法改进BP网络的地表沉陷预计 总被引:4,自引:0,他引:4
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。 相似文献
16.
17.
18.
矿山生产计划智能决策计算机系统 总被引:1,自引:3,他引:1
随着人工智能科学的发展,人工神经网络和遗传算法已经在矿山中得到了应用。为此将人工智能科学与矿山CAD技术集成,开发出露天矿生产计划智能决策计算机系统,取得较好效果。 相似文献
19.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:4,自引:0,他引:4
对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色一神经网络模型能够满足煤与瓦斯突出预测的要求. 相似文献