支持向量机在矿井突水水源识别中的应用

为了正确地识别矿井突水水源,基于水化学成分对水源判别的重要性,选择K^＋ ＋Na^＋、Ca2^＋、Mg2^＋、Cl^-、SO4^2-、HCO3^-这6项指标作为特征向量,建立了矿井突水水源的支持向量机识别模型．此方法不仅结构简单,而且技术性能尤其泛化能力与BP神经网络相比有明显提高,能有效地识别矿井突水水源的类别,为防治水工作提供决策依据．     

矿井突水水源判别方法与应用

对目前广泛使用的矿井突水水源判别方法进行了综合评述.从整体而言,除了水化学分析方法外,其他方法都是以一定理论为基础,或构造最优函数,根据判别目标达到最优时的状态进行水源识别;或构造适当的区间,根据一定的法则使判别目标进入不同的区间,进行水源识别.样本较多时采用BP神经网络法,样本较少时采用SVM法会取得更好得预测效果.针对研究区实际状况,选择基于MATLAB的BP神经网络法进行突水预测,准确率达到91.67%,训练样本的选择和数量对预测结果影响较大.     

BP神经网络在潘三煤矿突水水源判别中的应用

矿井突水是影响煤矿安全生产的五大灾害之一,快速准确地判别突水水源是煤矿安全生产的保障,是矿井防治水工作的前提。本文从矿井突水的机理出发,以潘三矿为例,利用BP算法对训练样本进行学习,构建了BP神经网络判别模型,根据已训练好的神经网络对样本进行了判别。最后与模糊综合评判进行了比较,结果表明,运用此方法对矿井水源进行判别,能取得较好的效果。该研究使定性预测转为了定量预测,从而提高了突水预测的科学性和准确性。     

利用水化学数据判别矿井突水水源方法探讨

系统分析了矿井突水水源及其水化学特征，并着重就利用常规水化学资料进行突水水源判别的各种方法及其应用中的一些问题展开深入的讨论，进而提出了一些新的认识．     

数量化理论在矿井突(涌)水水源判别中的应用

运用数量化理论Ⅱ，根据焦作矿区各主要含水层35个水样的水质资料，建立了该矿区判别突(涌)水水源的数学模型；利用VC 6．0开发了数量化理论Ⅱ的判别软件；选用三维判别方法，对新的突(涌)水水样进行了检验(判别)．结果表明，验证结果较好，为该矿区判别新的突(涌)水水源提供了较为方便的工具．     

基于分形滤波的SOFM在矿井突水水源判别中的应用

选择Na+,K+,Ca+,Mg2+,Cl-,SO42-和HCO3-这7种离子的含量作为判别因素,建立了基于分形滤波的矿井突水水源的自组织特征映射(SOFM)神经网络识别模型.实例结果表明,基于分形滤波的SOFM网络模型具有收敛快、精度高的优点,能很好地满足矿井突水水源的识别需要.     

模糊聚类分析在地学中的应用

本文介绍了基于模糊等价关系的动态聚类分析方法。并成功地运用此方法对矿井涌水水源进行了分类判别，提高了水源判别的科学性和准确性，通过对兖州矿务局杨村矿水样资料的验算，证明了判别的可靠性。     

南桐煤矿二井井下突水水源综合分析

从条件分析入手，辅以水化学分析及计算机聚类分析，对南桐煤矿二井井下突水水源作了综合分析．取得的认识对该矿防治水措施的确立有一定帮助．     

模糊聚类分析在地学中的应用

本文介绍了基于模糊等价关系的动态聚类分析方法。并成功的运用此方法对矿井涌水水源进行了分类判别,提高了水源判别的科学性和准确性,通过对兖州矿务局杨村矿水样资料的验算,证明了判别的可靠性。     

基于灰色理论与神经网络的煤与瓦斯突出预测

影响煤与瓦斯突出的因素众多,应用神经网络进行预测时,选取突出预测指标是关键．应用灰色关联分析筛选突出预测指标,结合神经网络建模进行了突出预测,使突出预测指标的选择由定性分析转化为定量分析,实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合．     

基于粗糙集和神经网络的炮兵装备效能评估

建立了炮兵装备效能评估模型,首先利用灰色关联分析以及欧氏距离加权法实现了不完备信息表的空值填补;然后引入粗糙集理论对评估指标进行约简;最后利用BP神经网络确定了指标与效能间的关系并与指数模型进行比较,BP神经网络模型的精度明显高于指数模型.     

贵州丰乐铁矿矿床充水因素及矿区涌水量预测

在概述研究区水文地质条件的基础上,分析了贵州丰乐铁矿矿床充水因素,并采用大井法对矿区涌水量进行了预测．研究认为,上覆和下伏含水层中的地下水是矿区的直接补给源,地表水和大气降雨为间接补给源;矿坑总涌水量预测为1829．90m^3／d．     

基于模糊聚类和灰色关联分析结合的负荷预测

训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个整点时刻分别建立BP网络预测模型,并与常用方法选择的样本训练网络得到的结果进行了对比,测试结果证明了本文所提方法的有效性。     

PCA-BP神经网络在流域水质评价中的应用

针对BP神经网络法在进行多污染特征的流域水质评价时面临的训练样本、验证样本的稀缺问题,提出一种基于主成分分析PCA - BP神经网络的水质评价模型.首先利用污染分担率算法筛选出能够全面反映流域整体超标情况的一组水质指标,然后利用主成分方法获取流域水质污染特征,解决训练样本过少的问题,并通过设计模型的验证条件,解决没有验证样本的问题.通过实例研究,表明主成分PCA - BP神经网络适合用于流域的水质评价,评价结果较为精确、可信.     

预测板式换热器污垢热阻的新方法

通过动态监测板式换热器冷却水污垢热阻及影响污垢热阻的松花江水水质参数（如pH值、溶解氧、铁离子、氯离子、细菌总数、浊度、电导率、化学需氧量、碱度和硬度等）变化。采用BP神经网络主成分分析、主成分回归、全要素BP神经网络三种预测方法建立板式换热器污垢热阻预测模型,选取1-15号样本为训练或回归拟合样本,16-20号样本为测试样本,并将三种方法的预测结果进行了对比。结果表明,三种方法均可对板式换热器污垢特性进行有效预测,而基于主成分分析的BP神经网络方法的预测结果误差小,优于另外两种方法。     

AHP-RBF神经网络在煤矿安全风险评价中的应用

煤矿生产的复杂性导致煤矿事故具有动态、随机、模糊的特性,而且影响煤矿安全风险等级的指标众多,风险等级与风险指标之间呈现出复杂的非线性关系。传统的BP神经网络评价方法的准确率低,本文提出一套新的煤矿安全风险评价方法。首先建立煤矿安全风险指标体系,然后利用AHP确定各风险指标权重,并对其进行重要性排序,最后将RBF神经网络作为评价工具,建立基于AHP-RBF神经网络的煤矿安全风险评价模型。通过案例分析表明该模型能够科学有效的对煤矿安全状况进行评价。     

基于变量聚类的BP神经网络术后生存期预测模型

针对结直肠癌患者术后生存期预测,基于模糊C均值（FCM）聚类算法,提出一种结合场景认知和隶属度排序的变量聚类方法,对结直肠癌患者样本进行降维,并筛选出6个特征变量.结合BP神经网络,建立一个结直肠癌患者术后生存期预测模型.为了验证该模型的有效性,利用主成分分析（PCA）对样本进行降维,并训练BP神经网络,对比FCM模型及PCA模型的预测准确率.结果显示,基于FCM变量聚类的BP神经网络模型预测准确率更高,所提出的变量聚类方法能够有效筛选出对于生存期有相关性和解释性的变量,从而提高BP神经网络模型的预测准确率.