冲击地压预测系统的设计与实现

针对新汶矿物局华丰矿冲击地压频繁发生，造成后果非常严重的问题，开发了冲击地压预测系统。系统应用了MATLAB图形设计工具进行了可视化界面的设计，使界面具有友好交互性。在系统中实现了算法评价、系统训练和实际预测等八种功能。考虑各种情况，系统内嵌基于导数优化和基于非导数优化的共计十二种算法进行神经网络训练和预测，使用户在了解各种算法的优劣后，可选择适当的算法进行系统的训练。训练所产生的各项数据自动存储在固定的数据文件中，预测时可直接提取最优数据。     

基于神经网络的冲击地压危险性预测预报

文章分析了影响冲击地压危险性的主要因素，首次利用神经网络模型模拟各个因素之间的复杂的非线性关系，消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明：模型可靠，预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础，进一步拓宽了神经网络技术的研究领域。     

冲击地压浅析

本文就冲击地压的特点、机理、预测、防治和我国冲击地压的一些现状进行了简要的分析。     

基于层次分析法的冲击地压模糊综合评价

针对煤岩冲击地压存在非线性、模糊性以及不确定性、评价指标繁多而复杂的问题,提出基于层次分析法多指标模糊综合评价冲击地压的方法。通过层次分析法分析各指标的前兆特征与冲击地压联系程度,从声发射、红外辐射、煤岩性质三方面确定煤岩冲击地压模糊综合评价指标及权重,运用模糊综合评价所得评价结果来表征冲击地压危险等级,并通过实验模拟矿区冲击地压发生过程,结果表明综合评价结果与实验结果较为吻合,验证所建立模型的准确性。     

基于结构面理论的断层冲击地压产生判据

本文将结构面理论应用于断层冲击地压的研究,从断层冲击地压产生的关键是实际剪应力超过抗剪强度这一结论入手,具体分析了用断层边界应力状态得到断层冲击地压产生判据的理论方法,提出了运用量化的判据为工程实际进行冲击危险性评价的方法。     

基于主成分分析与BP神经网络的冲击地压预测

冲击地压的发生会对矿山造成巨大的经济损失,预测预报是防治冲击地压的重要组成部分。文章将主成分分析方法与反向传播人工神经网络(即BP神经网络)方法相结合,用于对冲击地压的预测。首先,利用主成分分析法对冲击地压的影响因素进行分析,降低数据的维数。然后,将所得的数据作为BP神经网络的输入数据进行训练,用训练好的神经网络对冲击地压进行预测。预测结果与实际结果的对比表明,利用主成分分析—BP神经网络方法对冲击地压预测是可行的。     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性     

冲击地压的区域危险性预测

对砚石台煤矿地应力进行地现场测试。采用５种指标对该矿６＾＃煤层冲击倾向性进行了实验研究。通过煤体强度实验建立了其强度准则,并结合工程实际建立了能量判据。在此基础上,根据“三准则”机理模型,对该矿６＾＃煤层冲击地压的区域危险性进行了预测。     

基于遗传算法优化模糊神经网络的温室温度预测模型

在农业生产发展当中,影响温室农作物产量的因素有很多,温度是最重要的环境参数之一,与其他各环境因素具有很高的耦合度,存在非线性问题.针对上述问题本文提出了一种基于遗传算法优化模糊神经网络(GA-FNN)的温室温度预测模型.在温室内选取湿度、CO2、大气压和光照强度数据作为模型输入,温度数据作为模型唯一输出.试验结果表明,...     

基于小生境免疫算法的船舶FNN自动舵设计

结合隔离小生境技术的特点和免疫遗传算法的全局收敛特性,提出一种基于小生境免疫遗传算法的模糊神经网络控制器优化设计方法,并将其用于船舶自动舵的设计.隔离小生境能有效解决局部和全局收敛的矛盾,可以解决船舶运动控制的FNN控制器难于设计以及传统BP学习算法易于陷入局部收敛的不足.将神经网络结构辨识器作为船舶的辨识模型,船舶运动模型采用二阶非线性方程,模糊神经网络控制器为主控制器,对船舶航向运动控制系统进行仿真研究.结果表明,在船舶无干扰和存在随机干扰的情况下,由此设计的船舶自动舵控制系统均能使船舶转向控制无超调,跟踪快,与BP学习算法相比控制效果更趋于为理想,可以进一步提高航行的性能.     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

基于BP神经网络的改进算法研究

文章介绍了传统的BP算法,分析了它的不足之处,详细研究了BP算法的各种改进方法和措施,并通过实例,运用Matlab语言对部分改进算法进行了比较研究。实验结果表明,Levenberg-Marquardt自适应调整算法性能优于其它结合算法,可为其它工程提供参考。     

基于小生境遗传算法的自动组卷

通过对当前自动组卷方法的分析,将小生境技术引入到遗传算法自动组卷中,以期望解决遗传算法组卷的早熟问题,提出一种基于小生境遗传算法的组卷方法.该方法采用功能段结构的整数编码方式,可以克服常规采用二进制编码搜索空间过大和编码长度过长的缺点,提高求解速度和精度,同时减少迭代次数加快算法收敛.在组卷模型中以题型、题量和分值为基础,在形成初始种群和进化的过程中始终保持题型、题量和分值不变,从而简化优化目标.试验结果显示,该方法能有效限制种群中相似个体的过多复制,从而维持群体的多样性,抑制出现早熟现象,改进遗传算法在自动组卷中应用的效率,其运行时间更短,误差更小.     

基于遗传算法的人工神经网络优化设计

提出遗传算法新的编码方案，用于全局优化神经网络拓扑结构和权值参数，解决了神经网络拓扑结构的难确定性和权值训练的长时性问题，并且在遗传操作中采用自适应代沟的替代策略，改善其求解效率，获得了良好的优化结果。通过仿真实验显示了该算法的快速性和有效性。     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

一种模糊控制小生境遗传算法的应用研究

基于遗传算法的基本原理,提出一种改进的遗传算法,将模糊控制思想与小生境技术引入到其中,从而保护种群的多样性,同时使每代最优解得以保存.遗传算法加入小生境技术后虽可保持种群群体的多样性,但是不可避免的会产生部分个体的早熟以及陷入局部最优,于是加入模糊控制思想,对种群的交叉概率Pc和变异概率Pm进行模糊控制,以此为基础,形成了一种新型的模糊控制小生境遗传算法.最后通过对三个典型函数的数值分析证明了该方法的有效性和可行性.     

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。