基于PCA与Elman网络的地下矿山岩层移动

 由于地下金属矿床地质与开采条件的复杂性,影响岩层移动的因素错综复杂且相互影响,使得对岩层移动的预测具有很大的不确定性。大量的样本数据减慢了神经网络的训练速度,并且使得神经网络不稳定。将主成分分析(PCA)与Elman网络相结合构建模型,对地下矿山岩层移动角进行预测研究。利用主成分分析对原始数据进行预处理,提取原信息的主成分,将输入变量减少且互不相关,提高神经网络训练速度;用Elman网络对训练样本进行训练,进而利用训练好的网络对预测样本进行预测,与不采用PCA时的预测结果相比,采用PCA的预测结果更为准确,通过期望输出与实际输出的对比,相对误差都在5%以内,其预测的结果精度高,表明了PCA与Elman网络相结合对地下矿山岩层移动进行研究是可行的。     

地质动力引起岩层移动变异及突变灾害研究

在地质动力的作用下，矿山地下开采正常的岩层与地表移动规律将发生变化，甚至会发生突变灾害。本文基于地球动力区划的理论和方法，对北票台吉矿急倾斜煤层深部开采条件下，煤层地板形变、断层活化、动力突变现象进行了分析研究。提出了区域应力活动是岩层移动变异和地下动力现象的力源，地下采矿活动为地质动力释放提供了空间条件的观点。文中还讨论了矿山地质动力的作用特征、区划方法和对岩层与地表移动的影响规律。     

采场上覆岩层移动参数的试验研究

通过多煤层同采时下部煤层开采对上部煤层开采影响的试验结果分析,得出了试验矿井条件下,下部煤层开采时上覆岩层移动及变形规律、有关岩层移动参数,并提出了上部煤层巷道变形的预计方法．图４,表２,参３．     

煤矿岩层与地表移动的电算模拟研究

用弹性力学的有限单元法,研究了煤层开采所引起的地表移动变形的计算问题。在具体分析煤层开采后上覆岩层实际破坏特征的基础上,建立了岩体结构模型,编制了多功能有限元电算程序,提出了应用三次样条函数,根据层面节点位移求层面变形的计算方法,总結了表土层在岩移变形过程中的力学特征,通过对实际观测资料的拟合计算,验证了岩体结构模型的合理性和这种计算方法的有效性。     

用模糊数学研究地下开采引起的地表移动

本文根据模糊数学理论,研究地下开采引起地表移动问题,得到一系列的理论计算公式,并论证了用模糊数学理论解决地下开采引起的地表移动问题比用随机介质理论更合理、更严密。最后,给出两个实例,理论值和实测值相吻合。     

露天铁矿端帮开采诱发地表及岩层移动规律

本文采用三维物理模型试验方法,以辽宁鞍山眼前山铁矿为工程依托研究了端帮开采诱发地表及岩层移动变形规律。试验结果发现岩体中控制性节理的存在对岩层移动范围及变形过程和机理有重要影响;模型试验发现采空区上方岩层移动变形表现为“井”状陷落,这与现场调查发现的塌陷坑吻合。结果表明物理模型试验可以在微观上再现采矿诱发地表及岩层移动的全过程,有助于我们半定量的分析岩层移动变形机理。     

开采倾斜煤层地表移动的空间问题

本文从随机介质理论出发,导出三维情形下开采倾斜煤层地表移动及变形的一系列理论计算公式,监得到许多结论。给出简化计算公式。可以预计三维情形下开采倾斜煤层地表移动及变形。     

长臂充填开采上覆岩层移动规律数值模拟

针对王河煤矿10903工作面在开采过程中引起地表下沉问题,用RFPA2D软件对不同弹性模量充填材料下的充填开采和全部垮落开采进行数值模拟,模拟了全部垮落法开采时岩层破坏和裂隙分布情况,全部垮落法随工作面推进关键层及地表下沉情况;不同弹性模量充填材料下的充填开采随工作面推进关键层及地表下沉情况.结果表明：全部垮落法开采会引起地表的塌陷,而充填法能有效控制关键层弯曲下沉量和地表沉陷.充填体弹性模量从1 GPa增加到5 GPa时,工作面前方垂直应力集中程度逐渐降低,关键层下沉量逐渐减小,最大下沉量从510 mm 减小至285 mm.最后通过地表沉陷观测验证了充填材料配比和数值模拟计算的合理性.     

煤矿岩层移动研究方法及展望

煤矿岩层移动研究对减少因采动造成的各类灾害,提高“三下”采煤效率等具有积极意义.结合岩层移动理论历史以及现有研究成果,将岩层移动研究方法分为经验类比法、理论模型方法、相似材料模拟、数值模拟4类,对各类方法进行了简要介绍.从传统方法、理论模型和数值方法等方面探讨了岩层移动的发展方向.     

岩层移动模拟研究中模型下边界位置的确定

基于“下三带”理论和采场端部岩体破坏区理论,采用UDEC数值模拟计算,对岩层移动模拟研究中如何确定模型下边界范围进行了研究。研究结果表明,模型下边界位置应取在底板导水破坏带以下或采场底板最大破坏深度以下,若取在离底板较近处,将导致老顶上方应力集中程度偏高、底板垂直应力总体偏大、采空区底板不规则运动和实体煤层底板垂直位移值偏小。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

基于神经网络的专家系统

人工神经网络与专家系统,作为人工智能应用的两大分支,在实际应用中都有许多成功的范例,但作为单个系统来讲,二者都存在很大的局限性。主要是专家系统知识获取的"瓶颈问题"和神经网络知识表达的"黑箱结构"。为解决这个问题,本文提出将专家系统与神经网络技术集成,达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难,同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型,知识表示方式以及推理机制等。     

基于人工神经网络技术的光电信息检测研究

本文分析了引起光电检测系统非线性误差的因素。在基于光电二极管的光照度检测实验中,应用RBF人工神经网络对光信号和电信号进行非线性误差补偿,实现了在不同环境温度下,光信号与电信号的线性转换,有效地提高光照度检测的检测精度。     

基于聚类的神经网络规则抽取算法

为了从人工神经网络中抽取规则,提出一种新的规则抽取算法。网络被训练并剪枝后,将隐节点的激活值离散化,对输入到隐节点的权重进行聚类,聚类过程中可根据隐节点的激活值动态调整权值聚类数目,进而高效准确地抽取规则。实验结果表明,该算法可明显降低规则抽取的时间复杂度,减少生成规则的数量。     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素,提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比,表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度,实现了对非正常工况的预报。通过实际对比,表明该网络能够较理想地预报出非正常情况。     

床面形态判别的人工神经网络方法

根据给定的水流及泥沙条件，预报床面可能出现的沙波形态，是一个重要的研究课题．在对影响床面形态的参数分析后，认为床面形态应由3个无量纲参数控制，因而以往采用2个参数的经验方法有很大的局限性．基于此结论，建立了预测床面形态的人工神经网络模型，该模型充分考虑了本问题的特点．验证结果表明，该模型具有较高的精度，可用于实际问题中．     

神经网络的多故障诊断层次模型研究

人工神经网络已成功应用到实际的故障诊断系统中，但大多主要用于单故障诊断情形。实际应用中，多故障同时出现的情况却普遍存在。基于神经网络的方法，构造了一种用于既能诊断单故障，又能诊断多故障的模型。通过实例与传统的诊断模型进行对比，说明了所提出诊断模型的可行性和有效性。     

基于神经网络驾驶员模型的PIO预测分析

在PIO研究中,拟线性的McRuer驾驶员模型,因其结构简单、能反映驾驶员基本的行为特性而被广泛采用,但在通常情况下,驾驶员的行为具有高度的非线性,而运用神经网络模型可以更精确地描述驾驶员的非线性特性。以某机为例,利用试飞数据对神经网络进行训练和验证,建立了神经网络模型。通过仿真运算,并用时域Neal-Smith（TDNS）准则对该飞机进行了PIO预测分析。结果表明,与McRuer驾驶员模型相比,神经网络模型可以更好地逼近驾驶员特性,据此运用TDNS准则可以很好地对PIO趋势进行预测。     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。