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。     

BP网络在手写体数字识别中的应用

介绍了BP网络在手写体数字识别中的应用，并在神经网络中引入部分连接结构。实验证明，在神经网络中引入部分连接功能可以大大增强网络的灵活性，可以根据不同的应用来调节网络密度，以达到网络的最高性能。目前识别率为94．61％，实验结果表明，BP神经网络可成功地用于手写数字字符的识别问题。     

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。     

BP和Elman神经网络在砂土液化预测中的研究

基于砂土液化的影响因素具有非线性关系,而神经网络模型能够逼近任意非线性函数和适合于动态系统辨识的特性,分别建立输入层为4,隐含层神经元为2,输出层为1的三层BP神经网络和Elman网络,并且通过matlab软件运算,实例比较得出Elman模型比BP模型收敛速度快、精度高,在砂土液化的预测中效果更好。     

基于KPCA-APSO-ELM的矿井涌水水源识别

矿井水害问题长期困扰着煤矿的安全生产,查明矿井涌水水源是矿井水害防治问题的前提。为提高矿井涌水水源的识别精度,提出了一种基于KPCA-APSO-ELM的矿井涌水水源判别模型。以袁二矿为例,在分析主要含水层地下水水化学特征的基础上,选取7种水化学离子作为判别指标。随后利用KPCA提取主要指标作为模型识别的判别因子,并通过APSO对ELM模型进行参数寻优。以63组样本数据中70%作为训练样本、30%作为预测样本进行仿真试验建立KPCA-APSO-ELM模型,并将识别结果与PCA-Logistic、KPCA-ELM和PSO-ELM模型进行比较。结果表明：KPCA算法可以有效消除指标间的冗余信息,基于KPCA-APSO-ELM模型的预测精度相对较高;与其他模型相比,该模型的均方误差和平均绝对百分比误差显著降低。     

虚拟仪器技术在神经网络火灾识别模型中的应用研究

为降低火灾自动报警系统的误报、漏报率,基于BP神经网络算法,用LabVIEW虚拟仪器开发了一套智能火灾识别模型。在火灾探测区域内合理布置若干感温探测器,在火灾识别模型中,将探测到的温度场参数作为BP神经网络的输入,火灾发生与否作为输出,并对影响BP神经网络的各项参数和该模型的运行结果进行测试研究。仿真试验结果表明:选取42组训练样本,当网络训练到4 000次左右时,最大相对误差值达到目标值0.1,其中大部分相对误差值达到0.05以下,网络的实际输出值非常逼近样本的理想输出值;实际火灾试验表明:该火灾识别模型能够探测火灾的发生。     

BP神经网络在矿井本质安全程度评价中的应用

采用BP神经网络对矿井本质安全程度进行评价。介绍了矿井本质安全程度评价方法以及BP神经网络的结构及原理;按照BP神经网络训练的步骤,以matlab6．0为平台,利用其内嵌的神经网络工具箱,生成通用的神经网络评价模型;输入经过标准化后的矿井本质安全程度指标的评价分数,投入神经网络运算,就可以得出该矿井的本质安全程度。     

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。     

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。     

基于BP神经网络的矿井火灾安全评价方法

在对国内煤矿调研的基础上,建立了包括内因火灾、外因火灾、管理和救灾3个子系统的评价指标体系;通过模糊层次法,求解了各指标权重;结 合目前比较成熟的BP神经网络方法,研究了一种新的矿井火灾安全评价方法,并编制了界面友好的软件,在矿井实际应用中取得较为满意的评价结果.     

人工神经网络对矿山安全状态的评判能力分析

通过改变神经网络训练样本等方法,对比分析了神经网络对不同训练样本的反映能力,讨论了人工神经网络对矿山安全程度进行评价的适应性.为了研究人工神经网络用于矿山安全评价时的优化设计,通过改变神经网络的神经元数目及初值赋值方式等方法,测试了不同结构、不同参数的神经网络对相同训练样本的评价结论.本文的研究为人工神经网络用于矿山安全评价时的进一步改进及其优化设计提出了合理的建议.     

基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

基于ART-2人工神经网络的煤矿安全风险评价

旨在为煤矿安全风险预控管理提供一种适用的风险评价模型或方法。研究过程中,介绍了人工神经网络自适应共振理论的ART-2算法;在安全系统工程理论及相关研究基础上,结合调研分析建立了风险评价指标体系;选取山西9家煤矿作为研究样本进行实证研究。该算法仿真识别结果与煤矿实际安全风险情况一致性程度达到77.78%,表明针对煤矿安全风险预控管理过程中的安全风险评价,ART-2神经网络具有较好的适用性。     

淮北桃园煤矿北八采区煤系砂岩水水化学特征及其水源判别

桃园煤矿北八采区在开拓掘进过程中煤系砂岩多处出现涌水现象,且涌水量大、水温高、水质异常。为了判断北八采区砂岩水的水源,对矿井各含水层及北八采区砂岩水进行了系统采样,并对常规水化学指标进行了测试和分析。结果表明:北八采区煤系砂岩水与井田南部采区砂岩水水化学指标存在较大差异,而与奥灰水的水化学指标基本一致,该区"砂岩水"已不具有正常砂岩裂隙水的水质特征,具有奥灰水的水质特征,接受奥灰含水层水的补给。研究成果为该区"砂岩水"的防治提出了可靠的地质依据。     

矿井通风系统BP网络评价法的可行性研究

BP网络及改进的BP网络方法常用于矿井通风系统评价,但其可行性得不到验证.在比较完善的矿井通风系统评价指标体系的基础上,用Visual Basic 6.0编制了模糊综合评判法和BP网络评价法程序.最后,结合算例比较了2种方法的评价结果,验证了BP神经网络用于矿井通风系统评价的正确性和可行性.     

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。     

基于BP神经网络人群流量预测的实现

人群拥挤踩踏突发性的特点决定了现场的事故救援措施效果较差,事前预防是唯一有效的策略。对商业区人群流量进行预测,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。本文介绍了基于BP神经网络的人群流量预测方法,利用Matlab建立了相关模型,并结合实际数据对模型进行了调整,分析了隐含层神经元个数、不同输入-输出结构、不同传递函数等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对人群流量进行预测时可行的。     

基于改进BP神经网络的职业危害预警模型

高危作业职业危害的严重性迫切需要对此建立有效的预警机制。目前的预警方法无法对多种职业危害因素作出综合、系统的评价。本文采用改进的BP神经网络,对多种职业危害因素进行综合预警,该预警模型不受人为因素的影响,在误差允许范围内可实现准确的实时预测。