采空区危险性评价的集对模型

为了快速准确的评价采空区危险性,针对影响采空区失稳的各种非线性指标,运用熵权法和集对分析理论建立了采空区危险性评价模型。选取岩体结构、地质构造等14个指标作为评价指标体系,基于集对理论与模糊数学方法对采空区危险性评价指标与相应指标标准建立集对联系度表达式,并用熵权法确定各指标的客观权重,依照置信规则法进行等级判定,最后得出采空区危险性的评价结果。将建立的模型评价广东省大宝山矿区12个采空区的危险性,并与其它评价方法结果和实际情况进行了对比。研究结果表明,集对模型简单实用,准确性高,该方法可作为采空区危险性评价的一种辅助方法。     

基于MATLAB工具箱的开采煤层自燃危险性预测

正确预测开采煤层自燃发火的趋势与危险性,对煤矿安全生产具有重要的指导意义。煤层自燃发火的趋势和危险程度与其影响因素之间存在着复杂的非线性关系,而人工神经网络具有极强的非线性逼近能力,能真实刻画出输入变量与输出变量之间的非线性关系。为准确预测开采煤层自燃发火的危险性,笔者针对反向BP神经网络收敛差的缺点,分别采用基于MATLAB神经网络工具箱中的VLBP和LMBP算法的改进BP神经网络模型对开采煤层自燃的危险性进行了预测。根据开采煤层自燃的特点,选取煤本身自燃倾向性、煤层地质及赋存条件、通风技术条件3个关键影响因素作为开采煤层自燃危险性的评判指标,建立了开采煤层自燃危险性预测的神经网络模型。实际应用效果表明,采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度;运用LMBP算法比VLBP算法快,但需较大计算机内存;该模型收敛速度快,准确性高,是一种十分有效的开采煤层自燃危险性预测方法。     

河南省汛期地质灾害预警的BP神经网络模型及应用

根据诱发地质灾害的内外因素建立地质灾害预警模型,评价河南省地质灾害的危险性.选取地形地貌、地质构造、岩土体类型、植被分布、水土流失、降雨和人类生产活动7个影响地质灾害的因素,建立了地质灾害预警的BP神经网络模型.根据监测数据进行训练和检验后,采用该模型对河南省汛期地质灾害进行预测,发现预测结果与实际情况基本一致.研究表明,建立的BP神经网络模型作为一种灾害预警的探索和尝试,具有一定的适用性和推广价值,可以作为地质灾害危险性评价预测方法的补充.     

基于PCA-GA-BP神经网络的瓦斯含量预测分析

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析（PCA）方法来降低变量间的相关性,然后将遗传算法（GA）与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。     

基于熵权法和物元分析的采空区危险性评价研究

为了更精确合理地评价采空区危险性,针对采空区危险性评价中涉及的各因素复杂性和不相容性特点,运用熵权法与物元分析建立采空区危险性评价模型。从地质条件和工程实际出发,考虑采空区稳定性的14项影响因素,基于多指标优化融合的思想,通过物元变换建立采空区危险性评价的物元体系,计算评价指标对评价等级的关联度,引入熵权法确定评价指标的权重,然后根据采空区危险性对评价等级的关联度确定采空区危险性等级。将该方法用于评价湖南冷水江锡矿山8个采空区的危险性,得出其危险性等级分别为Ⅲ级、Ⅲ级、Ⅲ级、Ⅱ级、Ⅱ级、Ⅱ级、Ⅳ级和Ⅳ级,该评价结果与实际情况相符。     

基于BP神经网络技术的实验数据分析处理

许多热灾害实验的危险性和成本相对较高,很难进行多次实验,且数据较少。针对这些的问题,笔者根据BP神经网络基本原理,建立多层反向传播的神经网络,以现有实验数据为训练样本,对神经网络进行训练,利用训练后的网络对待测样本进行预测。以喷射火作用下液化气储罐热响应实验的数据处理为例,利用BP神经网络进行压力值预测。将预测的结果和实验数据进行比较,结果表明了神经网络对实验数据进行处理和预测的可行性。     

基于PSOBP-AdaBoost模型的瓦斯涌出量分源预测研究

为准确预测瓦斯涌出量,选取某煤矿的开采煤层、临近煤层、采空区3个瓦斯涌出源作为实例研究,将BP神经网络、粒子群算法(PSO)、Ada Boost迭代提升算法和瓦斯涌出分源预测法相结合,建立基于PSOBP-Ada Boost算法的瓦斯涌出量分源预测模型,并将其与BP神经网络算法进行比较分析。结果表明,PSOBP-Ada Boost算法预测的3个瓦斯涌出源平均相对误差分别为3.24%,2.11%,3.21%;BP神经网络的平均相对误差分别为6.73%,3.19%,4.27%,基于PSOBP-Ada Boost模型的预测精度明显优于BP神经网络模型。     

电解铝生产环境负荷分析和预测模型研究

利用生命周期评价的分析方法,对铝电解生产过程中资源消耗、能源消耗和污染物排放进行了分析,采用等效环境指数计算了铝电解生产过程中的环境负荷,并分析了各因素对环境负荷的影响,其中氟化盐的投入量对环境负荷影响较大.运用神经网络对铝电解生产过程的环境负荷进行预测,在负荷预测过程中,首先对样本数据进行归一化处理,然后采用BP算法对神经网络进行训练.最后用训练好的网络进行预测,将预测结果与实际数据进行比较,证明具有较好的预测效果.     

基于PCA-PNN的采空区多源指标危险性辨识*

为了提高采空区多源指标危险性辨识的预测精度,基于主成分分析（PCA）和概率神经网络（PNN）,提出1种采空区多源指标危险性辨识方法。将影响华东某地区矿山采空区危险性辨识的9项因素作为主要影响因素,并以96个实测采空区为例进行分级。研究结果表明:与朴素贝叶斯、随机森林和AdaBoost 3种机器学习算法相比,PNN在测试集上表现更好,对实际工程具有良好的指导意义和应用价值。     

金属矿山采空区危险性的可拓理论辨识

基于物元理论和关联函数,将可拓理论引入采空区危险性辨识中.由于影响采空区稳定性因素的复杂性与多样性,从实际工程角度选取能够综合反映采空区特性的指标进行评价.以某矿采空区为例,根据物元和可拓集合中的关联函数建立采空区危险性辨识的可拓模型,并对采空区危险性进行预测.结果表明,10-10采空区危险性等级在Ⅲ级、Ⅳ级之间,由危险性极高偏向危险性较高;而10-12采空区危险件由Ⅱ级偏向Ⅰ级,稳定性较好,危险度较低.本文评价结果符合实际情况,表明采用可拓理论评价采空区危险性可行.此外,采用改进的AHP法求解指标权重可以避免实际工程中人为主观因素的影响,从而使权重的计算更加客观.     

基于蚁群神经网络的煤矿瓦斯预测模型

为了提高煤矿瓦斯涌出量的预测精度和预测速度,用蚁群算法和神经网络相结合的方法进行预测模型设计。选择瓦斯涌出的重要影响因素,建立其神经网络的预测模型。以网络的均方误差为目标函数,通过蚁群算法的迭代运算,实现BP网络的权值优化,并用优化好的BP网络进行瓦斯涌出预测。仿真结果表明,该方法具有较高的拟合预测精度。     

基于ISOA-RBPNN的埋地管道剩余强度预测*

为提高腐蚀管道剩余强度的预测精度，提出引入弹性梯度下降法改进BP神经网络，并融合改进海鸥优化算法(ISOA)，构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优，首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布，提升寻优能力，优化SOA的搜索方向和攻击形式，增强其全局搜索能力并提高收敛速度，然后用ISOA对弹性BP神经网络（RBPNN）模型中的权值和阈值进行寻优，最后构建ISOA-RBPNN预测模型。以管道爆破数据为例，利用MATLAB进行仿真模拟，并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型，预测结果较实际值误差更小，在预测腐蚀管道剩余强度领域具有更好的性能，可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题，提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据，采用BP与RBF神经网络，通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择，并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差，而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好；通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现，神经网络对气体泄爆中最大超压的预测效果较好；通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明，神经网络相比于传统气体泄爆经验公式具有明显优势。     

兰成渝腐蚀管道失效压力的GA-BP 神经网络组合预测方法

为准确掌握管道失效压力,保证管道安全运行,根据神经网络的非线性和良好的函数逼近特性,提出了基于遗传算法（GA）优化的BP神 经网络组合模型的腐蚀长输管道失效压力预测模型。组合模型将最佳组合阀值与权值隐含在网络的连接中,兼具遗传算法、人工神经网络预测 的优点,并克服了原始数据少对预测精度的影响,同时避免了神经网络容易陷入局部寻优的缺陷,也增强了网络的适应性,改善网络的收敛性 ,在客观地反应腐蚀油气管道失效压力变化趋势方面具有一定的优势。通过实例分析,结果表明:BP神经网络的预测值和Modified B31G计算结 果与真实值误差均较大,而GA-BP的预测值与实际结果的相对误差最大为6.12%,有很好的一致性,为管道的预防性维修提供了理论依据。     

上覆岩层瓦斯卸压范围及流动规律的应用研究

为合理、高效地治理朱家店煤矿巷道掘进和煤层开采过程中瓦斯浓度多次超限的技术阻力,本文针对该煤矿不同煤层上覆岩层瓦斯卸压范围及流动规律进行了较为深入的研究,建立了其BP神经网络破坏高度的数学预测模型。通过合理地计算,本文确定了该矿开采煤层上覆岩层的走向及倾向卸压长度、卸压上限和卸压范围,最后提出了有效控制上覆岩层瓦斯大量流向工作面及采空区的技术策略,从而达到了遏制矿井瓦斯事故发生的目的。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

基于BP神经网络的岩石损伤声发射事件源定位研究*

工程岩体一般包含大量的节理、裂隙等各类缺陷,利用AE技术可以对缺陷进行定位,但仍然有很大误差。为进一步减小AE定位误差,确定缺陷位置,做好安全预警工作,研究提高岩石声发射定位精度的优化方法。利用断铅实验模拟产生声发射信号,将声发射信号特征参数中的幅值、能量、振铃计数以及到达时差作为输入,断铅点真实坐标作为输出,构建BP神经网络模型,并通过实验确定最优隐含层数等参数,最后通过交叉学习训练交叉预测得出断铅点坐标,并与基于到达时差的传统定位法以及考虑材料各向异性条件下的波速优化算法进行对比。结果表明:BP神经网络算法与传统方法相比,板状岩石声发射定位的误差显著减小,定位精度提高;岩石试件定位误差的误差波动更为平稳,有效改善了声发射源位置对定位效果的影响。本方法为岩石缺陷的精确定位提供了1种较好的技术手段。