基于BP神经网络的工作面来压预报研究

在分析影响回采工作面来压显现主要因素的基础上,通过Levenberg Marquardt优化算法改进BP神经网络,以现场实测工作面支柱支护阻力、超前支护下沉量和推进步距等作为样本值,建立了综采工作面矿山压力来压预警预报BP网络模型,并利用该模型对枣庄矿业集团新安煤矿新源井12101回采工作面来压进行了预报,预测结果与实际来压的时间非常接近,表明预报具有现实意义.     

基于混沌优化神经网络的冲击地压预测模型

为了改进BP神经网络用于冲击地压预测的精度和泛化能力,利用BP算法和混沌优化算法优缺点的互补性,构建了一种组合式优化预测模型（COBP）.将该模型应用于重庆砚石台煤矿冲击地压的预测,结果显示,该模型既利用混沌优化帮助BP算法克服了易陷入局部极值的缺点,又利用BP算法克服了基本混沌优化局部搜索能力有限和有时不能搜索到全局最优的缺陷.     

运用BP人工神经网络设计变形预报模型

BP人工神经网络是应用最广泛的人工神经网络之一,运用Matlab神经网络工具箱设计BP神经网络,建立变形监测预报模型是本文探讨的课题。文中对BP网络的结构框架、本质进行了介绍,对运用Matlab工具箱建立模型的思路以及需要注意的问题进行了阐述,最后结合工程实例建立的模型进行了实际验证,并得出了一些有益的结论。     

基于CPSO-BP神经网络的冲击地压预测

针对预测冲击地压的传统方法存在的弊端,提出了一种基于混沌(Chaos)优化粒子群的BP神经网络算法。该算法将混沌、粒子群、BP神经网络结合起来,通过混沌粒子群算法寻优得到BP神经网络的最优权值和阈值初始值,然后进行网络训练和测试。该算法对冲击地压的预测取得了较好的效果。     

基于MFOA优化BP神经网络的磨矿粒度软测量

针对磨矿过程中磨矿粒度难以在线实时检测的问题,提出了一种基于混沌粒子群(CPSO)改进果蝇算法(FOA)优化BP神经网络的方法,建立了磨矿粒度软测量模型。利用混沌搜索的遍历性和对初值的敏感性来提高FOA初始种群的多样性;为了减少适应度函数值更新过程中的盲目搜索,引入了粒子群算法(PSO)。然后利用改进后果蝇优化算法(MFOA)良好的全局寻优能力,自适应地调整BP神经网络的权值和阈值,提高了BP网络的收敛性能和测量精度。选取球磨机给矿量、给水量、磨机电流、分级机溢流浓度和螺旋分级机电流为辅助变量,构建MFOA-BP磨矿粒度软测量模型。研究表明,所构建的MFOA-BP模型鲁棒性强、测量精度较高。     

基于BP神经网络的煤炭自燃温度预测方法研究

在对BP神经网络原理进行分析的基础上,设计出预测煤层温度的BP神经网络模型,然后对实验数据进行仿真模拟,采用MATLAB语言,利用样本进行网络训练后,得出的预测结果达到了工程实际能够接受的精度,说明该模型能够用于煤矿煤炭自燃温度的预测,实现煤炭自燃早期预报。     

基于神经网络的中厚板凸度预报

应用改进BP神经网络建立中厚板凸度预报的三层神经网络预报模型，用自适应学习速率法和附加动量法两种改进BP算法结合起来训练神经网络模型。试验仿真结果表明，该模型对测试数据预报结果均在3％之内，精度高，训练速度较快，具有很好的实用性。     

基于神经网络铀矿边坡稳定性分析

如何能比较准确地预测滑坡的发生,已成为各矿山开采过程中的难题之一。对人工神经网络及BP网络模型作了简要的介绍,分析BP网络的结构特点、参数选择、数据收集与处理、构造网络模型等问题之后, 以中核金安铀矿的边坡稳定状况为学习训练样本及预测样本, 建立了预报模型。讨论了基于BP神经网络技术的边坡岩体稳定性分析方法及其有效性。实例计算表明,通过样本的训练检验,利用人工神经网络方法对边坡稳定性的预测取得了比较满意的效果,为今后此类边坡稳定性的评价提供了可借鉴的方法。为神经网络在矿山边坡稳定性的应用提供了可行性。     

基于改进遗传算法优化BP网络的轧制力预测研究

为提高铝热连轧轧制力预报精度, 满足现场生产需求, 采用改进遗传算法优化神经网络建立铝热连轧轧制力的智能模型。以河南某1+4铝热连轧厂连轧实测数据作为实验样本, 在遗传算法的初始化和变异机制中引入混沌序列, 同时选择最优保存机制、动态调整交叉率和变异率等方法, 提出了改进的遗传算法, 并将其与改进的BP算法相结合, 对多层前馈神经网络权值阈值进行优化, 避免学习中陷入局部最小, 使模型最终具有了良好的收敛性和适应性。网络预测结果与实测数据的相对误差基本在10%以内, 该预测精度明显优于传统数学模型, 实现了铝热连轧轧制力的高精度预测。     

冲击地压的混沌学模型及预测预报

根据混沌学理论,研究了冲击地压启动的混沌特性,提出了在一定的时间尺度内预测预报冲击地压发生的方法。应用动力反演方法,建立了冲击地压的动力学方程组,并以此模型进行冲击地压的预测预报。实例表明,该方法是可行的。     

基于混沌粒子群神经网络的瓦斯浓度预测

通过定量法确定瓦斯浓度数据具有混沌特性,计算瓦斯序列的延迟时间和最优嵌入维数并对其相空间重构。在混沌分析的基础上结合人工神经网络技术,针对传统RBFNN模型参数确定的问题,提出通过粒子群算法对网络参数优化,建立了CT—PSO—RBFNN预测模型。利用实际煤矿监测数据对提出的模型训练预测,并与其他3种模型横向对比,得出性能排序为CT—PSO—RBFNNT—PSO—RBFNNCT—RBFNNT—RBFNN。结果证明,CT—PSO—RBFNN模型预测精度高、预测误差小、性能稳定,能够为瓦斯灾害的预报预警提供一定技术支持。     

PSO-BP网络模型在GPS高程拟合中的应用

文中介绍了一种全局随机优化算法—粒子群优化算法,并将其应用于BP网络模型的参数优化。在基本BP算法的误差反向传播调整权值的基础上,引入粒子群算法(PSO)进行权值修正,建立一个PSO优化的BP网络模型进行GPS高程拟合,并与基于遗传算法优化的BP网络模型(GA-BP)、支持向量机模型(SVM)和基本BP网络模型的拟合结果进行分析比较。结果表明,PSO-BP网络优化模型性能略高于GA-BP网络模型的性能,明显优于SVM模型和BP网络模型。     

煤矿井筒变形混沌特征及预报模型研究

井筒灾害预报预警是煤矿安全生产的重要保证,通过对兖州某矿井筒变形监测数据的分析,提出利用最大Lyapunov指数和关联维数描述系统的混沌特征,计算嵌入维数,并用于确定支持向量机（SVM）模型的输入。采用支持向量机模型建立变形-时间关系,由内、外符合精度检验模型精度及可靠性。通过同BP神经网络模型预测结果的比较发现,支持向量机模型既具有较好的拟合能力,同时也具有较好的预测能力。本研究对井筒灾害监测与治理具有重要指导意义。     

基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法(PSO)优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。     

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     

人工神经网络方法在采煤机故障诊断中的应用

介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

基于ACSOA-BP神经网络的瓦斯含量预测模型

针对煤矿瓦斯含量预测问题,以陈四楼煤矿为例,在煤层瓦斯含量影响因素分析的基础上,通过对种群进行混沌初始化,并引入自适应混沌算法和非线性收敛因子,提出了自适应混沌海鸥算法(ACSOA),建立了基于自适应混沌海鸥算法优化BP神经网络的瓦斯含量预测模型(ACSOA-BP),将模型应用于矿井进行预测效果检验。结果表明:陈四楼煤矿二2煤层瓦斯含量与不同因素呈非线性关系,地质构造是控制煤层瓦斯分布的主要因素,ACSOA-BP模型具有更高的预测精度和稳定性。     

BP神经网络方法在采煤机故障诊断中的应用

本文介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

小波神经网络在炼铜转炉炉渣重量和成分预报中的应用

小波分析是一种新的信号处理技术,具有良好的时频局部化特征。为了克服BP网络自身算法的缺陷,得到更高的学习精度和更快的收敛速率,使用小波包分析的特征提取及神经网络的非线性映射特性,构造了小波神经网络,以此为基础开发出的软件系统具有使用的特征量少,建造预报系统较为简单等优点。将之应用于炼铜转炉炉渣重量及成分预报,该模型完全能够较准确地预报出渣量和成分。其平均拟合误差为1．5％,平均预报误差为3．1％。     

矿井通风网络最优化评价的BP神经网络模型

从基本指标、辅助指标两个方面确立了包含16项矿井通风网络最优化的评价指标,建立了矿井通风网络最优化评价体系。通过采用样本数据对BP神经网络进行训练,确定隐含层神经元个数,通过对检验样本进行预测,校验BP神经网络。将训练后的BP神经网络模型用于葛亭煤矿、山东新河煤矿、淮南潘一矿通风网络评价,所得结果与矿井通风网络的实际情况较吻合。分析表明,BP神经网络模型可用于对矿井通风网络进行有效评价,可供类似矿山参考。