人工神经网络在矿井多水源识别中的应用

以焦作矿区水化数据为例,选用Na++K+、Ca2+、Mg2+、Cl-、SO2-4、HCO-36种水化离子浓度作为识别矿井水源的依据,运用Matlab软件分别建立BP神经网络与Elman神经网络的矿井多水源识别模型。应用结果表明:与静态的BP神经网络相比,在结构上增加承接层的Elman神经网络在训练和仿真中拟合能力更强,识别精度更高和泛化能力更好;矿井地下水随着地下开采与扰动具有动态性,将具有非线性动态特征的Elman神经网络应用于矿井多水源的识别,对准确判断突水来源和分析地下水运移规律具有一定的辅助和指导意义。     

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。     

基于组合赋权的煤矿水害危险性模糊综合评价

煤矿水害是制约煤炭安全生产的重大自然灾害之一,为了提高煤矿防治水管理水平、减少水害事故的发生,在建立具有层次结构的水害危险性评价指标体系的前提下,使用层次分析法和模糊层次分析法相结合对评价各指标组合赋权,充分体现出指标重要程度的主观评价和客观反映,并得出评价指标体系各个相关影响因素的权重排序,结合模糊综合评价法构建基于组合赋权的模糊综合评价模型,并用MATLAB编制该评价体系的计算程序对新郑赵家寨煤矿进行了实例应用,应用该评价结果对该矿水害危险性进行了深度的数据挖掘,应用表明:评价结果与矿井实际情况相符,该评价模型能够定量的反映出赵家寨煤矿安全生产系统潜在的水害隐患,对指导煤矿安全生产具有现实重要的意义。     

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。