人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

煤层底板突水预报人工神经网络系统的研究

将人工神经网络技术应用于肥城煤矿区以底板突水预报中，并且开发研制成突水预报人工神经网络系统，人工神经网络的建模过程体现在它的训练学习中，它个有知识的自动获以功能，对突水预报问题可适性强，效果良好，易于推广。     

煤层底板突水预报人工神经网络系统的研究

将人工神经网络技术应用于肥城煤矿区煤层底板突水预报中 ,并且开发研制成突水预报人工神经网络系统。人工神经网络的建模过程体现在它的训练学习中 ,它具有知识的自动获取功能 ,对突水预报问题可适性强 ,效果良好 ,易于推广。     

矿井突水防治措施

我国是一个煤炭资源丰富的国家,但矿井水害一直制约着煤炭工业的健康发展,尤以矿井突水问题最为严重,文章以突出水的类型及突水的条件开始,分析了突水机理、影响因素以及矿井突水征兆,最后在水害预防和治理方面提出针对性的措施。     

人工神经网络在地震分析预报中的应用

为了探索人工神经网络应用于地震分析预报的可能性,以福建及其周边地区地震活动为例,采用ｂ值、地震频次、地震能量释放、空间集中度４项地震活动性指标作为神经网络的输入,用具有Ｓ－型特性函数的ＢＰ网络对由每年地震的活动指标组成的标准样本进行训练,由训练结束后的权值和阈值及待预报样本的因子测值计算出网络输出值,作为地震活动性的预测．结果表明,用神经网络可以在一定精度范围内使震级预报的内检符合率达１００％,在例子中,外推预报准确率达８８％以上．     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证.     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。     

浅谈矿井突水原因及其防治

矿井突水现象在我国煤矿生产部门是普遍存在的,特别是在华北、东北、华南尤为严重。因此我们不断分析研究各种突水现象的原因、机理,总结矿井突水规律,进行突水预测,这对下一步煤矿安全生产具有重要的意义。     

矿井突水路径搜索算法及突水范围预测

为对矿井突水方向和速度以及突水范围等进行预测分析,采用无向图宽度优先搜索路径方法,以巷道节点标高为权重,给出矿井突水路径算法;通过对矿井突水方向和速度等进行预测分析,提出水灾影响范围预测方法.研究结果表明:利用宽度优先搜索算法进行水灾影响范围预测方法,可以通过突水范围和突水时间计算出突水流量,并根据突水流量计算出下一步突水范围.     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

回归预报模型在水文地质中的应用──以焦作煤田演马庄井田矿井突水量预报为例

作者依据数理统计理论与实践总结较详细论述了通过回归分析建立回归预报模型这一方法在水文地质预报中的应用过程及其注意事项，包括该模型的重要性、相关因素的选取、回归预报模型类型的确定与模型的建立、预报中应注意的问题以及数据如何选取。最后以焦作演马在井田矿井突水量预报为例加以详细说明。图１，表２，参２。     

采煤工作面底板突水的预测预报方法

采煤工作面底板突水预测、预报是在工作面采动过程中,通过监测煤层底板岩层内部一些参数值变化来分析、预测底板突水的可能性。本文着重介绍了该方法的基本原理和实际应用。     

基于Modpath的矿井突水应用

运用粒子反向示踪理论,根据安徽铜陵新桥硫铁矿各含水层的水文地质条件、工程地质条件,利用抽压水试验得出的渗流系数、给水度等岩性特征,针对突水水源识别问题,建立Modpath的矿井突水可视化模型,并以时步分段量化研究水源渗透规律,分析了矿井突水的水源来向、侵害范围、影响程度等特征元素。研究结果验证了突水点上层含水层的岩溶裂隙带和断裂带对突水点的重要补给关系,并且有较强的直观判别能力;模型可以清晰判别分析矿井突水现象。     

矿井突水的灾害及防治

突水是煤矿生产安全的主要灾害之一。在煤矿生产实践过程中，提出一套合理的坊治水措施，以减少矿井正常涌水量，降低生产成本，合理回收煤炭资源，预防和消除矿井水对煤矿建设和生产的影响，保证煤矿的安全生产。     

Fisher方法在矿井突水水源判别中的应用

快速且准确地判定突水水源是有效预防矿井突水事故的关键工作之一。本文以淮北矿区海孜煤矿为例,选取6大常规离子作为突水水源识别的样本变量,运用Fisher判别分析法建立突水水源判别模型。并与Q型聚类分析法判别的结果进行比较。研究结果表明:Fisher判别模型能够有效地判别突水水源,比Q型聚类分析有更高的准确性,实现对突水水源快速有效的判别。     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于遗传BP神经网络的矿井突水水源识别

为了快速有效识别矿井突水水源,消除矿井水害,综合考虑各种水化学离子在水源识别中的重要性,选择Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-等6种水化学离子作为识别因子,提出了一种基于遗传算法优化BP神经网络的矿井突水水源识别方法.在同样的训练样本和待测样本下,将该方法的识别效果与BP神经网络、距离判别法、Bayes判别法等方法的识别效果进行比较.仿真结果表明该方法收敛速度更快,识别精度更高.     

人工神经网络及其在金属预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证（Generalized Cross Validation）法如何应用于确定神经网络中隐层的个数，并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作现两周向前汇率预报的计算步骤。其平均相对误差（APE）为10＊E－3的数量级，而国际上通用的状态空间模型及Box-Jen-kins的ARMIMA模型的预报误差都在10＊E－2的数量级。     

矿井突水预测与危险性量化评价

矿井突水是矿山进工开采的潜在危险之一,通过对矿井突水前的巷道内各种突水预兆的观察进行预测,分析了造成巷道突水的几种作用力,进一步针对矿井的掘进突水与回采突水两种类型用传统方法进行矿井突水危险性量化评价,得出所评价矿井无突水危险,但由于断裂带突水相对复杂,仍对日常防突水工作提出了预防措施。     

人工神经网络及其在金融预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证(Generalized Cross Validation)法如何应用于确定神经网络中隐层的个数,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差(APE)为10*E-3的数量级,而国际上通用的状态空间模型及Box-Jenkins的ARIMA模型的预报误差都在10*E-2的数量级。