基于multi-agent的煤矿水害演化模型

根据矿区的水文地质条件,分析了煤矿水害事故的形成原因和演化机制,采用复杂系统理论和多主体建模方法,建立了煤矿水害演化模型;利用NetLogo仿真平台,对不同类型水害事故进行仿真模拟,动态表现煤矿水害演化过程以及影响因素之间的脆弱性关系。研究表明：煤矿水害是一种受控于多种因素、具有非线性动力特征的复杂自适应现象,只有了解矿区水文地质条件,并将复杂系统理论和多主体建模方法引入水害防治研究中,才能从本质上描述水害演化机制。     

软计算与硬计算融合的含油气性识别

随着油气勘探领域的不断扩大,测井解释面临的研究对象也越来越复杂,传统的单一基于硬计算或软计算的方法在测井解释中面临严格挑战。提出软计算与硬计算融合的4种模式。运用软计算与硬计算融合的分离模式对某油田Oilsk81、Oilsk83、Oilsk85三口井进行含油气性模式识别,比较结果表明,在这个油区运用软计算方法对含油气性进行模式识别优于硬计算,并且可以识别出较好的测井数据集。     

截止品位与入选品位的遗传-神经优化模型

合理确定截止品位与入选品位关系到企业的经济效益和资源的可续性利用,有着重要的理论意义与现实意义。采用遗传算法与神经网络嵌套的动态优化模型,以武钢集团大冶铁矿为例,对其截止品位和入选品位进行动态优化。结果表明,当前大冶铁矿截止品位18%,入选品位41%~42%的生产方案有待改进,当截止品位为15.8%,入选品位取值为43.776%~44.139%,2007年1月-2007年11月的总净现值增加901~944万元。     

基于邻域粗糙集与支持向量机的油层识别研究

运用邻域粗糙集理论,对储层含油性的属性进行约简,并将约简后的属性作为支持向量机输入变量,对某油田的3口井油层类别进行实证研究,将结果与人工神经网络方法进行了比较,结果表明该方法是行之有效的方法。具体步骤为：先把邻域粗糙集作为前置系统对属性进行约减,剔除冗余信息,将剩余的属性作为支持向量机的输入变量。而支持向量机作为后置系统,不仅能消除指标之间信息重叠,而且可以降维。它们之间各司其责,相互配合从而得到好的评价结果。     

基于模糊神经网络对经济的聚类分析

在现实生活中具有同等人力资本的劳动者在不同的生产力环境下的经济贡献率是不同的 ,有时甚至不可比较的。利用人工神经网络 (SOM网络 ) ,通过 Matlab语言编程 ,根据技术进步增长率对整个经济进行模式分类。分类的结果是大致把 2 9个省市分为 6个类 ,反映了各地区的经济与技术进步增长率情况     

一种基于精简的模糊规则库的分类算法*

结合模糊聚类和粗糙集提出了一种基于精简的模糊规则库分类算法.对于数值型样本数据,首先采用模糊聚类生成模糊规则库,然后运用粗糙集理论对样本属性进行约简,删除冗余规则,即可得到精简的模糊规则库,以方便进行分类决策.通过对IRIS的仿真测试表明,本算法所产生的模糊规则不仅简单易懂,而且分类效果很好.     

煤矿井巷工程PERT决策系统分析与设计

针对煤矿井巷与安装工程的特点,在详细分析各工序间的关系及分解各子系统任务的基础上,设计出煤矿井巷重点工程PERT决策系统。该系统实现了网络计划图的自动绘制、项目工期自动优化、工程项目进度自动监控等功能,可以大大提高工作效率,降低成本。     

规则库自提取和简化的模糊系统

介绍了一种新的规则自提取和简化的模糊模型算法，该算法由3个步骤组成：首先，通过构造一个模糊软划分判别准则对输入输出空间进行模糊划分，得到最佳分类数，从而得到了最佳的规则数；其次，根据最佳规则数和神经网络来构造初始的模糊模型；第三，通过运用模糊相似分析法，可以得到计算2个模糊集相似度的方程，从而根据事先确定的阈值来合并相似的模糊集。这样就得到了一个既满足对精度的要求又简单且具有可解释性的模糊系统。最后，用该算法对我国全要素生产力进行了模糊规则的提取。     

基于粗集约简的群智能算法的储层识别

提出了一种基于粗集约简的粒子群储层识别方法,即应用粗糙集进行属性约简,应用粒子群(PSO)聚类算法对约简和正规化后的数据进行处理。实验表明,约简后的PSO聚类较约简前在识别率上有明显的提高。     

基于BP神经网络对我国全要素生产力模糊规则的提取

1引言 规则数的确定是设计整个模糊系统的起点.模糊规则数过少时构成的模糊控制系统不能精确地控制和描述对象,但模糊规则数过多,也对模糊系统的性能有影响.根据对我国全要素生产力进行模糊软分类,其中分类结果为三类[1].按照分类数确定模糊规则数,我们就可以通过设计模糊规则前件和模糊规则后件来构造一个规则数为三条的模糊系统,对我国全要素生产力进行模糊规则的提取.