遗传神经网络在地下商场火灾风险评价中的应用

由于地下商场火灾时非线性强、风险大,目前国内没有明确的地下商场火灾风险评价模型。建立了地下商场火灾风险评价的指标体系。根据遗传神经网络原理提出了地下商场火灾风险的遗传神经网络评价模型,其中采用了适用于少样本评价的灰色聚类方法来确定训练遗传神经网络的样本。将所建立的模型通过实例评价进行了验证,结果表明此模型在地下商场火灾评价中具有较好的应用价值。     

混沌遗传神经网络在空气质量预测中的应用

为了提高对空气质量预测的准确性,提出了一种基于混沌遗传算法(CGA)的BP神经网络改进方法。BP神经网络是目前应用最广泛的神经网络,但存在收敛速度慢和易陷入极小值的缺陷。该改进算法的基本思想是用混沌遗传算法优化BP神经网络的初始权值和阈值。混沌遗传算法结合了混沌运动的遍历性和遗传算法的反演性。将混沌变量加入遗传算法中,进一步提高了遗传算法的全局搜索能力和收敛速度;将混沌遗传算法优化后得到的最优解作为BP神经网络的初始权值和阈值。利用改进后的CGA-BP算法进行空气质量预测,结果表明,该方法对空气质量的预测效果明显好于单纯使用BP神经网络的预测效果。     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

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。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于遗传算法的前馈神经网络火灾探测

分析了前馈神经网络火灾探测的基本原理;针对ＢＰ算法的缺陷,提出用遗传算法（ＧＡ）和ＢＰ相结合的一种方法,即：ＢＰ－ＧＡ算法;并把ＢＰ－ＧＡ算法用于火灾探测的模拟,结果表明：前馈神经网络是处理火灾信号的良好方法,ＢＰ－ＧＡ算法提高了网络的收剑性。     

岩爆危险性预测的神经网络模型及应用研究

岩爆是高地应力区岩质隧道开挖施工过程中发生的主要施工地质灾害之一 ,它的发生对隧道施工企业的安全生产构成很大的威胁 ,对岩爆发生可能性及其程度的预测是这类隧道设计、施工及安全生产所面临的重大问题。依据隧道岩爆发生的条件 ,基于国内外隧道工程岩爆实例 ,应用人工神经网络方法 ,建立了岩爆危险性预测的评价模型并应用于实践。     

模糊神经网络在火灾探测系统中的应用

为使火灾探测具有较低的误报率、较高的可靠性和较强的环境适应能力,提出了一种基于人工智能的数据融合技术的火灾探测算法,以环境温度、烟雾浓度、CO含量为检测对象,利用人工神经网络和模糊推理技术对多传感器信号进行融合,最终输出火灾危险性大小的信号。神经网络采用径向基函数网络(RBF),运用最近邻聚类学习算法,实现隶属度函数参数的自动提取,并结合模糊逻辑具有较强综合判断能力和识别能力的特点,在MATLAB下完成了火灾探测系统的设计与仿真,明显提高了火灾探测系统的性能。     

改进的Elman神经网络在瓦斯涌出量预测中的应用

在煤矿瓦斯灾害中,煤矿瓦斯突出是导致瓦斯重特大事故的主要原因之一。目前常用的基于反向传播(BP)神经网络和遗传算法-Elman神经网络(GA-ENN)耦合算法等建立瓦斯涌出量预测模型的预测方法在收敛性和精度上均存在一定的缺陷。提出了一种利用混沌免疫遗传优化算法(CIGOA)对Elman神经网络进行改进的新型智能优化算法来增强粒子的活性,提高其局部搜索能力和全局优化能力,克服了遗传算法(GA)的固有缺陷。对煤矿现场跟踪实测后进行仿真分析,结果表明:运用提出的CIGOA-ENN预测模型预测的最大相对误差为4.47%,最小相对误差为1.12%,平均相对误差为2.27%,明显小于BP神经网络和GA-ENN等预测模型的预测结果,表明CIGOA-ENN预测模型的输出结果更精确,对瓦斯涌出量预测系统的辨识误差更小,性能更优越。     

BP神经网络在混凝土性能预测中的应用

综述了BP神经网络在混凝土抗压强度及其他力学性能、耐久性、混凝土结构构件相关性能预测中的应用。综述表明,模型误差在工程可控范围内,模型泛化能力较强,利用BP神经网络对混凝土性能开展预测是可行的。     

受压浮煤自燃过程试验研究

矿井采空区遗煤自燃大部分为处于受压状态下的自燃。为观察压力对浮煤自燃过程的影响,采用自制的浮煤加载自燃试验装置对受压浮煤层与自然堆积状态下的自燃过程进行试验研究。结果表明:加载对浮煤的自燃过程确实存在一定影响。加载会加快浮煤层的升温速度,缩短自然发火期,降低最小浮煤层厚度,改变采空区"三带"的划分;加载对厚度介于0.8～1.2 m之间浮煤自燃过程影响最大;随着压力的增加,压力对浮煤自燃过程的影响逐渐减弱,当压力小于1 600 N时,压力的增加对浮煤自燃过程的影响较明显,当压力大于1 600 N时,压力的增加对浮煤自燃过程的影响变小,当压力大于2 600 N时,压力的增加对浮煤自燃过程几乎无影响。     

煤层自燃危险程度的灰色关联分析

将灰色关联分析法应用于煤矿自燃危险程度的评价中,全面考虑影响煤矿生产系统安全的各种因素,结合实例建立了煤矿自燃危险程度的数学模型,阐明了灰色关联分析法的原理和算法,较好地反映了评价过程和评价因素的灰色概念,为制定防范措施和管理决策提供科学依据。     

人工神经网络在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生机理的复杂性,传统预测方法的应用受到很大的限制,而人工神经网络理论以其高度非线性映射的特性为解决这一问题提供了新的途径。以突出预测指标为基础,利用多层反向传播神经网络(BP网络)模型实现对突出危险性的预测。实例分析表明,模型精度很高,可用于工作面煤与瓦斯突出危险性的预测。     

预防煤炭自燃的注砂技术实验研究

山砂是我国西北部矿区地表的主要自然资源之一,但如用其直接作为煤矿注浆防灭火的原料,不仅会造成输送管路的堵塞,还会引起输送管路的严重磨损。为此,首先研究了常见增稠剂羧甲基纤维素、聚丙烯酰胺和聚丙烯酸钠等对砂粒的悬浮性能,实验结果表明它们只能延缓砂粒的沉降。进而从理论上分析了砂粒悬浮的条件,发现具有一定屈服应力的假塑性流体特性的液体才能悬浮砂粒;并且悬浮砂粒粒径越大,所需屈服应力也越大。基于理论分析,研制了具有该特性的浆液,山砂在该浆液中不仅具有良好的悬浮性能,浆液还具有输送阻力小的特性。管道输送试验表明,浆液稳定性和流动阻力符合实际要求。     

基于物元模型的煤自燃危险性分析

为探索判断煤自燃的危险性新方法,在煤低温氧化试验的基础上,基于可拓理论构建了煤自燃危险性熵权和经验权的物元综合分析模型。采用该方法对4个不同煤样低温氧化试验数据进行自燃危险性分析,得出各煤样自燃危险性的等级及差异程度,并提出相应的防范对策。结果表明:4号煤样比其他煤样更具自燃危险性,需要重点防范。该方法的预测结果与实际情况相吻合。     

煤自燃特性及自然发火预测预报指标体系研究

以梁宝寺矿3号煤层为背景,采用色谱吸氧法和氧化动力法对其自燃倾向性进行了对比分析。同时,通过煤氧化升温热解实验对其升温过程中各气体随温度的变化规律进行了分析,以实验所得和灰色关联分析所得定性和定量相结合的方式,优选出了不同温度阶段煤自然发火预测预报所对应的第一、第二和第三预测指标,建立了煤自然发火预测预报体系,为有效抑制该矿及同类矿井火灾的发生具有重要意义。     

添加协效剂的灵石煤自燃阻化剂的研究

为了防止煤的自燃,采用双氧水氧化升温实验,对灵石肥煤在不同阻化剂下的阻化效果进行了研究。利用阻化时间变化率判定阻化效果。结果表明,添加氧化铝厂赤泥作为协效物质的协效阻化剂有效抑制了煤样的氧化升温,提高了阻化效果,阻化时间变化率达50.78%,为灵石肥煤最佳新型协效阻化剂。新型阻化剂原料廉价易得、反应条件温和、制备过程简单、环境友好,且实现了尾矿废渣的综合利用。     

矸石山自燃阻化剂的阻化机理研究

为了防治矸石山的自燃和改善矿区环境质量,揭示和研究矸石山煤矸石自燃阻化剂的阻化作用机理,寻求高效的煤矸石山自燃阻化剂,通过在煤矸石中添加各类自燃阻化剂,在柱箱中进行空气氧化程序升温实验,并利用气相色谱仪对不同氧化温度下分离出的气体中O2,CO,CO2以及各种烃类组分的含量进行分析,研究其自燃发生、发展的规律,从而为研究矸石山煤矸石的自燃阻化提供理论依据。实验研究表明,带有吸附基团的高聚物和表面活性剂组成的聚合物乳液对煤矸石自燃具有较好的阻化作用。该研究成果对矸石山煤矸石自燃治理具有一定的指导意义。     

煤矿井下自燃火灾的图像识别及综合判据系统

煤矿自燃火灾的早期探测及预报是保证煤炭生产安全的有效手段。目前已有的各种预测预报技术,虽对煤炭自燃火灾的防治起到一定的作用,但对于不同煤质和不同地质赋存情况下的煤矿,单一探测方法的预测精度有限,在探测的准确性和有效性方面尚不能完全满足各种类型煤矿安全生产的需要。为了提高煤炭自燃灾害早期探测的可靠性,笔者提出一种以图像识别技术为基础的煤炭自燃发火探测方法,并进一步利用信息融合技术结合其他探测方法建立一套煤矿自燃发火综合判据系统,该系统有助于提高煤炭自燃预测的准确性,对煤矿的安全生产能发挥重要作用。