基于ANN的综放工作面产量与工效预测

采煤工作面是整个矿井生产的核心，是实现矿井高产高效安全生产的关键。为了准确预测和提高综放工作面产量与工效，本文应用人工智能领域的人工神经网络方法，在系统分析影响综放工作面产量、工效的主要因素，并收集大量工程实例样本的基础上，构建了综放工作面产量与工效预测人工神经网络模型并加以实际应用。应用结果表明，该方法简便、可靠，且具有先进性。该方法的成功应用，为煤炭产量、工效预测研究探索了一条更加先进有效的途径。     

基于模拟退火神经网络工程索赔合理工效研究

本文从我国工程索赔现状出发，分析了合理工效的影响因素，建立了模拟退火神经网络的合理工效费用模型，收集了24个实际工程案例运用人工神经网络对费用进行预测，结果表明了模型的有效性。     

浅谈T_1493掘进工作面与T_1492回采工作面交锋

作为一个百年老矿的唐山矿业公司,矿井可采储量已逐步衰减,可采工作面也相对较少,而为了完成预定的高产量生产任务,并且要按照计划完成正常衔接,会出现衔接紧张的局面,造成同一采区内回采与掘进准备同时进行。唐山矿铁一区T_1492工作面正在回采,而按照计划需将紧邻的T_1493工作面准备出来,则会出现掘进工作面与回采工作面交锋,掘进巷道成沿空掘巷,这给施工进度及施工的安全系数造成相当程度的影响,通过采取有针对性的措施,T_1493工作面已安全顺利的准备出来,同时这也为今后类似的施工工作提供了经验借鉴。     

提高采煤机开机率是实现工作面高产高效的核心

对采煤机开机率与工作面产量间的关系,影响采煤机开机率的因素及如何提高开机率的途径进行了较全面而深入的分析。     

预测油气田产量的β模型

通过对油气田产量变化规律进行系统研究,推导建立了预测油气田产量的β模型。该模型不但可以预测油气田产量、累积产量随生产时间的变化,而且可以预测可采储量、最高年产量及其发生的时间。实例检验该模型是可信的。     

高瓦斯综采工作面治理转角瓦斯的方法

结合我矿采煤工作面的实际情况,本文简述了高瓦斯矿井采煤在回采过程中埋管方法解决工作面上转角瓦斯超限问题。     

基于BP神经网络的工作面周期来压预测

针对现有工作面周期来压预测方法在算法结构复杂、计算量较大等问题,探索一种高效、准确、易于使用的工作面周期来压预测方法。以淮南潘集矿区20个已采工作面作为工程研究背景,采用BP神经网络预测原理,在分析工作面周期来压的影响因素基础之上,设计出一种基于BP神经网络的工作面周期来压预测方法,通过MATLAB编程实验表明BP神经网络在工作面周期来压的预测中具有较高的精度。     

基于ATD-BP神经网络的页岩气产量预测方法

储层改造是页岩气开发的关键步骤,根据储层改造数据进行页岩气井产量预测,对后续施工优化有重要指导意义。然而,储层改造数据与气井产量间呈非线性相关关系,不适用于传统线性预测方法。且储层改造数据存在有效数据较少、噪声数据占比较大、维数较高等问题,不适用于受噪声影响较大的传统BP神经网络非线性预测方法。由此,本文提出一种页岩气储层改造产量预测方法,首先利用自适应阈值去噪(adaptive threshold denoise,ATD)算法去除噪声,再运用BP神经网络对储层改造数据进行非线性拟合,得到页岩气井产量预测模型。实验表明,相比传统的BP神经网络,本文所提方法能够有效提高预测的准确率和稳定性。     

开采煤层自燃倾向性的自组织神经网络预测

通过对开采煤层自燃机理的阐释,选取其主要影响因素作为判别指标,建立了开采煤层自燃危险性的自组织神经网络预测模型,并选用典型的样本对该神经网络进行了训练,尔后用测试样本进行验证,结果表明该方法具有很高的准确性。     

提高回采工作面工效途径的研究

用实例介绍了时间─—费用折衷法在提高回采面工效中的应用。通过实测、分析建立线性规划模型，用计算机解算求出在增加费用最低的情况下，各工序所需应急的时间，从而为决策者提供了快速决策方法，使用简便易行。     

尚未开采区域综采工作面生产能力预测的计算机模型

在十多个矿井30个综采工作面生产活动信息调研的基础上,应用模糊控制理论,建立了尚未开采区域综采工作面生产能力预测的计算机模型,并编制了一套计算机程序。文中运用已采集的综采工作面资料,检验了该模型的可靠性,并对设计年产500吨特大型矿井——济宁三号井前十年综采工作面生产能力进行了预测。     

自适应神经网络在瓦斯含量预测中的应用

筛选出了影响瓦斯含量的主要地质指标，利用自适应神经网络技术建立了瓦斯含量的预测模型，在实验室实验数据的基础上，对预测模型进行训练、检验。结果表明：此方法可行，模型可靠，计算精度高，具有较大的实用价值。扩大了神经网络技术的应用范围，探索出了建立瓦斯含量预测模型的有效途径，充实了瓦斯含量预测基础理论。     

W-RBF神经网络模型在中药材价格预测中的应用

中药材作为一种特殊的农产品,其价格态变化过程呈现出高度复杂的非线性特征,增加了中药材价格预测的难度.通过研究影响中药材价格的主要因素,并在分析传统价格预测方法的基础上,针对中药材价格变化具有随机性、突变性和非线性的特点,通过小波和RBF神经网络结合构建一个中药材价格预测模型(W-RBF).采用W-RBF神经网络模型对白芍价格进行预测,并将预测结果与RBF神经网络模型预测结果做了比较.实验结果说明,W-RBF神经网络模型预测准确率明显提高,比RBF神经网络模型更具优越性.     

基于改进型BP神经网络的油井产量预测研究

为了保证油田生产持续稳定地发展,针对油田单井产量提出了基于改进型BP神经网络的预测模型。对传统的BP神经网络的结构和训练算法进行了研究,发现它存在易于陷入局部极小,收敛速度慢等问题。提出了使用LM算法的改进型BP神经网络。最后给出了基于改进型BP神经网络的单井产量预测模型仿真实验。结果证明该算法的实用性和可行性,在油井产量预测方面有一定的实用价值。     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

基于遗传算法的BP神经网络预测石油单井产量

针对传统预测方法建模复杂且预测精度低、传统BP神经网络算法收敛慢和可能陷入局部最优的问题,提出一种基于遗传算法的反向传播神经网络(BPANN-GA)用以预测单井产量,并进行实例分析,获得了较高精度的预测结果.该算法简单实用,预测精度较高,收敛快且避免了陷入局部最优,对石油单井产量预测工作有一定的意义.     

基于 BP 神经网络与灰预测方法的杭州市城市生活垃圾产量预测研究

通过分析影响城市垃圾数量的主要因素，利用灰预测方法构建未来数据，建立了一个考虑人口数量、人均收入影响下的B P神经网络模型，对未来10年的杭州市生活垃圾数量进行预测，得到较好的结果。     

基于神经网络的水泥强度预测

由于水泥强度预测具有多变量、非线性、大时滞的特点 ,采用传统的线性回归分析预测法与聚类分析预测法 ,预测结果的准确性较低 ,文章利用神经网络的算法 ,建立了水泥强度的动量 -自适应神经网络预测模型。通过对有关数据进行实例计算 ,得到了令人满意的结果 ,该模型为水泥强度的快速预测提供了一种新方法 ,有较好的实用价值     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

基于GM-RBF神经网络组合模型的水泥强度预测方法

为预测煤矸石代黏土煅烧水泥的28 d抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数(RBF)神经网络技术相结合,提出了基于GM-RBF神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF神经网络输入向量,相应的实测28 d抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM(1,N)模型或RBF神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。