神经网络在热轧铬镍钢变形阻力预测的应用

以凸轮式高速形变试验机进行的热模拟压缩实验得到的实验数据为基础,建立了热轧铬镍钢的变形阻力与其化学成分、变形温度、变形速度及变形程度对应关系的BP、Elman、RBF和GRNN 4种神经网络预测模型;并对4种网络的训练过程和预测精度进行比较分析。结果表明,神经网络有很强的预测能力;4种神经网络相比较,RBF网络具有更高的预测能力和好的泛化能力。     

基于岩控的人工神经网络在渗透率预测中的应用

渗透率是储层评价中的重要参数,与传统的经验模型或统计模型计算的结果相比,BP神经网络由于高强度非线性映射能力及较强的自适应和自学能力,可以更精确地预测储层渗透率。通过对常规BP网络模型的改进,即在模型中加入定量化的岩性评价参数作为一个学习样本,建立了储层参数与测井响应及岩性之间的非线性模型。应用该方法对北部湾盆地涠西南凹陷涠洲某油田流一段的渗透率进行预测,取得了较好的效果。该方法计算的渗透率与实测渗透率吻合度很好,而且比用常规的、没有岩性控制的BP网络模型计算的渗透率精度更高。除了在储层参数预测方面进行应用,该方法还在储层沉积微相和岩性预测方面有着广泛的应用前景。     

利用人工神经网络模型预测球团矿还原粉化指数

印度JSW钢铁公司是一家年产钢700万t的联合钢铁企业,其炼铁单元由2座COREX和3座高炉组成。COREX和高炉用球团由一个年产420万t的带式焙烧机球团厂供给。作为一项重要的冶金性能指标,球团的还原粉化指数(RDI)要求满足COREX和高炉冶炼的要求。通过建立神经元网络模型和敏感度分析,研究了给料率、料层高度、焙烧温度、干透点温度、COREX煤气单耗、膨润土的添加量、生球水分、生球碳含量、以及成品球的MgO、Al2O3含量和碱度等12个因素对球团RDI指标的影响,并对焙烧机生产球团的RDI(-6.3mm)和RDI(-0.5mm)进行了预测。结果表明,球团中MgO、CaO/SiO2,生球碳含量和Al2O3含量对球团RDI指标影响较大。预测结果与实际的数据误差低于4%。研究得出:①生球的MgO、氧化铝和碳含量以及二元碱度对球团RDI有重要影响。②随着球团MgO含量和球团二元碱度的升高,球团RDI(-6.3mm)和RDI(-0.5mm)得到改善。③随着生球中氧化铝含量的增加,球团RDI升高,因此应尽量使用低氧化铝含量的铁矿粉来降低球团中的氧化铝。随着生球中氧化铝和碳含量的增加,球团RDI(-6.3mm)和RDI(-0.5mm)有所降低。④提高球团二元碱度和MgO含量的同时,降低生球碳含量可以改善球团的RDI。因此需要对它们的配比进行优化。⑤二元碱度0.50～0.55,MgO质量分数0.35%～0.45%,生球碳质量分数1.15%～1.20%,焙烧球氧化铝质量分数低于2.5%,FeO质量分数低于0.60%时,可望得到较低的RDI。⑥相对于球团中的碳和CaO含量,最优的焙烧温度可以改善球团的RDI(-6.3mm)和RDI(-0.5mm)。⑦高给料率和较高的料层高度会使球团的RDI(-6.3mm)和RDI(-0.5mm)升高。     

模拟热轧带材抗拉强度的人工神经网络

在本次研究中,利用人工神经网络（ANN）模拟了化学成分和工艺参数对热轧带材抗拉强度的影响。与来自Mobarakeh钢铁公司（MSC）的试验数据相比,该神经网络的性能良好。此外还通过敏感度分析评定了各输入变量的相对重要性。结果的评定以钢的冶金现象为基础。因此,建议可以该模型为指导,预测商业低碳钢最终的力学性能。     

基于环套原理的ANN型矿井小构造预测方法与应用——以淄博岭子煤矿为例

应用多重环套理论和人工神经网络(ANN)技术,提出了预测预报矿井小构造的一套完整理论体系和工作方法。以淄博岭子煤矿为例,优选确定煤层倾角、厚度、瓦斯聚集量和涌水量变化是主要控制岭子煤矿回采工作面前方小构造的四大因子,建立了1号井的回采工作面前方小构造预测的非线性模型。现场检验结果表明,在煤层回采过程中,只要精细掌控主控因子的大量信息变化,就能准确预测预报工作面回采前方的小构造展布特征。基于环套原理的ANN型矿井小构造预测方法解决了诱发矿井重大灾害事故小构造的预测预报难题。     

人工神经网络在矿井监测监控数据中的预测研究

根据人工神经网络原理,结合贵州省某矿的实测数据,建立BP神经网络模型,借助计算机MATLAB 7.5,对瓦斯浓度进行了预测,说明人工神经网络在矿井安全预测上的可行性。     

煤与瓦斯突出的混沌-分形特征分析

煤与瓦斯突出是影响煤矿安全生产的重大灾害之一,由于其动力现象的复杂性,因此具有非线性系统的特征。针对某掘进工作面的2组瓦斯涌出数据,应用非线性理论对其进行研究,以期得到预测突出的新方法。首先分析了时间序列的来源,对经过预处理的涌出瓦斯时间序列进行相空间重构,分析和证明了该序列具有混沌与分形特征,并在此基础上,建立了瓦斯突出的混沌和分形特征的的神经网络预测模型。     

WFT试井解释新技术

对电缆地层测试器WFT(Wireline Formation Tester)的测试资料、数据进行解释的方法,经历了半个多世纪的发展,现在已经形成一套非常成熟的理论。尤其是对地层渗透率的求取方法随着人们对地层认识的不断加深也不断的得到优化完善。各种模型、算法被引入到对压力降和压力恢复数据的反演过程中,使得到的地层参数越来越精确。     

表面强化及改质技术

基于多层ANN的机器人等离子熔射智能化模型 分析了机器人等离子熔射过程的神经网络模型的实现方法,基于多层人工神经网络,建立了等离子熔射过程的智能化模型。基于该模型,系统研究了等离子弧电流、熔射距离、机器人扫描间距和速度对主要涂层性能参数-残余应力和孔隙率的影响规律,并通过试验数据库的学习对涂层性能参数进行预测。     

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。