基于遗传BP神经网络模型的矿井突水水源判别

在分析矿井突水水源的水化学特征基础上,选取常用的Na~++K~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)等6种离子质量浓度作为水源判别的依据,将具有局部搜索能力的BP神经网络和具有全局寻优功能的遗传算法(GA)进行结合,提高神经网络的泛化性。为了验证其优点,分别采用BP和GA-BP两种神经网络模型对20组训练样本进行训练,并对6组待测样本进行判别。结果表明:GA-BP神经网络模型克服了BP神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能提高BP神经网络的判别精度;虽然经过GA初始化的BP神经网络在训练过程中收敛速度与误差均不如未优化的BP神经网络,但GA-BP网络模型泛化性却高于BP网络模型,能提高突水水源的判别准确性。     

基于水化学分析的煤矿矿井突水水源判别

矿井突水是煤矿生产过程中的主要自然灾害,准确判定矿井突水水源是解决突水问题的重要条件。基于模糊综合评判和矩阵方程分析数学原理,分别建立了矿井突水的模糊综合评判和矩阵方程分析模型;在水化学分析的基础上,建立了水样6项指标评判标准,利用两种方法分别对某煤矿3个不同突水巷道水样进行了水源判别,并与实际突水水源相比较。结果表明,模糊综合评判和矩阵方程分析均能有效判别矿井突水水源,但各有其优越性及局限性,选择何种判别方法应视矿井突水水化学资料状况而定。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

Elman神经网络在矿井突水水源判别中的应用

矿井突水是矿建与生产过程中最具威胁的自然灾害之一,准确判别突水水源是防治水害的关键。选取6种离子的质量浓度作为突水水源的判别因素,将河南省焦作矿区不同水层的39组水化数据以2种样本设计方案进行Elman神经网络模型的构建与检验。以不同的35组水源样品作为训练样本,运用Matlab软件进行Elman神经网络训练,将所建立的判别模型应用于(相应的)4组待测样本的判别,并与DDA、FDA、Bayes三种判别方法的判别结果进行分析比较。2种方案应用结果表明:将具有非线性动态特征的Elman神经网络应用于突水水源判别,在结合相应的水文地质条件前提下,可以准确判断突水来源;矿井多年的开采促使地下各水层水质呈动态变化,Elman神经网络判别模型能够反映这种变化特性,对探寻地下水运移与演化具有一定的应用价值。     

基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。     

改进的GA-BP神经网络在矿井突水水源判别中的应用

矿井突水水源的判别是制定防治水措施的重要环节。通过对某矿含水层水化学特 性的相关性分析,将PCA算法、K折交叉验证算法嵌入GA-BP神经网络,提出了一种新的 GA-BP神经网络,将其应用于实例分析中,并与传统的方法进行比较。结果表明:针对 水化学特性相近的含水层,PCA算法能够排除样本中的冗余信息,降低样本指标维度, 简化BP神经网络结构;K折交叉验证算法能够提高GA算法对BP神经网络权值的寻优质量 ,使GA算法的进化方向更具合理性;二者的引入大大优化了传统GA-BP神经网络性能, 其判别精度更高、适用性更强、结果更可靠,在矿井突水水源判别方面具有很好的应用 前景。     

矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。     

基于模糊神经网络的深井底板突水判别研究

通过分析深井底板突水因素的影响作用,建立各影响因素的层次分析结构模型,运用层次分析法计算各影响因素的权重并进行排序,进而选出深井底板突水的主控因素。在该基础上,建立隶属度和隶属函数实现各因素的归一,构建基于模糊神经网络的深井底板突水判别模型,选择合适的网络结构参数以改善神经网络的缺点,并选取样本训练网络,以现场实例为验证样本,以突水等级作为输出结果,该判别表明基本符合工程实践。     

基于层次分析法的矿井突水风险模糊综合评价

突水风险评价是矿井水害预控管理的重要内容,应用层次分析法与模糊数学理论,对矿井的突水风险进行科学与合理评价。在评价过程中,建立了矿井突水风险评价指标体系,通过比较矩阵的计算确定出突水风险各相关因素的影响权重,并进行权重总排序,找出矿井突水主要影响因素。基于该评价体系,建立二级模糊综合评价模型。应用表明:该评价方法能够对多个定性与定量指标影响的评价进行综合权衡,比较准确有效地反映出矿井突水风险等级。     

基于模糊聚类分析的矿井突水预测及危险性评价

运用模糊数学的基本原理，分析了矿井地下水突水条件及其影响因素，通过模糊聚类的实例分析，建立了区分矿山井下工作面突水的危险性预测与判别标准，为井下地下水防治和矿山安全生产提供了重要保证。     

吕梁矿区薄层灰岩突水判别研究

吕梁矿区某矿山西组煤层受奥陶系灰岩含水层和太原组灰岩含水层高承压水威胁,工作面回采时发生了底板突水.为了快速、准确判别突水水源类型,分析突水原因并制定合理的治理措施,采用灰色关联度法分析水质关联度,利用弹塑性理论计算了煤层采动后底板最大破坏深度,分析了隔水层厚度及岩性组合的隔水性能.分析结果表明,煤层底板隔水层厚度平均26m,且软岩所占比例达到62.18％,灰色关联度分析突水水源接近太原组灰岩水,底板最大破坏深度26.7m,距离煤壁22.4m,与实际突水点吻合,判断突水水源为太原组灰岩水.     

基于Fisher判别理论的尾矿库安全评价模型

结合多元统计分析中的判别分析思想,建立尾矿库安全等级评价的Fisher判别模型。以湖南某尾矿库为例,合理选取一星期内观测的44组尾矿库数据进行判别分析,其中4组为检验样本,不参与判别函数的训练。研究结果表明,安全超高与标准判别函数之间的汇聚组间绝对相关性最大;各类协方差矩阵F检验的显著性概率Sig.0.05,判别分析显著;训练样本回判的正确率高达95%,检验样本判别的正确率达到100%,判别结果与实际尾矿库的安全情况基本吻合,为尾矿库的安全评价提供了一条更加系统、精准的途径。     

矿井突水路径搜索算法与应用

为了实现对矿井突水路径的搜索以及突水范围的预测,基于图论与网络理论,以巷道交叉点的标高为搜索权重,将水流流向分成下向蔓 延和上向升涨两个突水阶段,提出了水流下向、上向蔓延路径搜索算法。实现了对突水路径的搜索,并在已知巷道突水点的情况下,通过两个 时刻的巷道水位变化,计算得出了单位时间的突水量,结合给定的矿井巷道拓扑结构信息,对未来时间段的突水范围和水位标高点进行预测。 研究结果表明:在已知矿井突水点和矿井基础数据信息的情况下,应用无向图宽度优先搜索法生成矿井突水路径, 并结合得出的单位时间的突 水量,对下一时间段的突水量进行计算并对突水范围进行预测。     

一种新型的矿井突水分析与预测的支持向量机模型

针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型。推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测。实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法。     

基于AHP-最小判别的逐级判别模型的石油企业安全应急能力评价

为评价石油企业安全事故应急能力现状,改善其应急管理能力,从监控预警能力、应急处理能力、恢复总结能力3个方面构建了石油企业应急能力的评价指标体系,然后采用AHP-最小判别的逐级判别方法构建了石油企业安全事故应急能力评价模型,并将其用于某石油企业安全事故应急能力的评价过程中,最后以"最差"的关键指标为标准,确定了该石油企业安全事故应急能力的等级。结果表明:该石油企业安全事故应急能力处于一般水平,其中应急建设工作、应急指挥协调能力、监测预警能力和恢复处理能力是影响该石油企业应急能力的最关键因素。该方法为提高该石油企业应急管理能力提供了量化的依据。     

基于PCA_Fuzzy_RF模型的煤层底板突水预测

针对煤层底板突水问题,提出了基于主成分分析、模糊数学和随机森林的一种新预测模型。首先通过主成分分析将6个影响因素(水压、采高、隔水层厚度、断层落差、煤层倾角、断层距工作面距离)进行降维,提取4个主成分因子,其次对主成分因子进行模糊化,作为随机森林模型的输入变量,建立基于PCA_Fuzzy_RF的煤层底板突水预测模型。利用华北矿区实测资料的50组数据作为PCA_Fuzzy_RF模型的训练数据,10组数据作为测试数据,并将预测结果与BP神经网络及Fisher模型进行对比分析,结果表明,PCA_Fuzzy_RF模型的误判率为0,适用于解决煤层底板突水问题。     

基于BP神经网络模型的矿井通风可靠性研究

在MATLAB7．0神经网络工具箱的基础上,通过采用快速的Levenberg-Marquart算法。提高神经网络训练的速度与精度,实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L—M算法的优越性,网络具有良好的收敛特性。     

基于AHP-FPR模型的矿井通风系统优化方案评价

矿井通风系统优化方案的评价涉及到许多模糊的、不确定因素.从安全、技术、经济角度出发,选取15个技术指标,建立了评价指标体系.将层次分析法(AHP)与模糊模式识别(FPR)理论相结合,采用层次分析法确定指标权重,多级模糊模式识别法构造最优相对隶属度矩阵以判断样本级别,在此基础上建立了AHP-FPR评价模型.通过对平煤八矿通风系统优化改造方案的评价实例证明,该模型实用性较强,可为管理者提供决策依据.     

矿井火区启封安全性分析及判别准则

矿井火区启封时火区状态判断失误会导致火区复燃或火区内瓦斯爆炸。为此,本文在分析矿井火区启封的安全性的基础上,从气体信息采集和火区燃烧状态的判断技术两方面,提出了相关准则。气体信息采集准则含气样代表火区状态真实性、提高气样代表火区大气状态的真实性、正确的气样采集方法十六项内容,主要论及钻孔取样、孔内测压、火区气体采样地点、倾斜巷道密闭取样、取样地点对气样准确度的影响、气样采集时间、采集钻孔封堵、混合气样分段采集方法、取样时间间隔、气样分析方式等。火区燃烧状态的判断技术准则含十二项内容,主要论及不同火区气体浓度条件和环境条件下正确判断火区燃烧状态技术。准则可为矿井火区治理中正确分析判断火区状态和启封条件提供参考。