微晶蜡非催化氧化反应的神经网络模型

对微晶蜡进行了非催化空气氧化，并利用人工神经网络将氧化微晶蜡的酸值、酯值及微晶蜡的氧化条件（反应温度、空气流量和反应时间）进行关联，建立了微晶蜡非催化氧化的酸值、酯值的神经网络模型，并用该模型预测了反应条件对微晶蜡氧化反应过程的影响。结果表明，该模型不但具有较高的计算精度，而且具有满意的预测能力。     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.     

基于GIS和人工神经网络技术的开采沉陷预计建模方法

探讨了GIS支持下利用人工神经网络技术进行开采沉陷定量预测的方法和思路，完成了影响因素的选取、数据处理、开采沉陷初始预计模型的建立及验证。数据处理由GIS软件完成，采用BP神经网络训练方法对开采沉陷系统进行建模；进而结合验证结果，对误差进行了定性分析。研究结果表明，利用GIS支持下的神经网络模型对复杂的开采沉陷系统进行模拟预测，具有理论上的可行性和现实意义。说明GIS和人工神经网络技术在开采沉陷预计领域中具有广阔应用前景。     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

参比氧化法研究煤低温氧化特性

为了研究煤低温氧化过程的热释放特性，提出了一种新的参比氧化实验方法，即对氧化煤样罐通入氧气使煤氧化，而对参比煤样罐通入氮气作为比较；同时提出了参比氧化法的理论模型，并根据该模型推导出煤低温氧化产热速率的计算方法。对4种不同变质程度的煤样进行了实验，得出了参比氧化法过程中氧化煤样温度，参比煤样温度，氧化与参比煤样温度差和煤的低温氧化过程产热速率，并对煤的自燃倾向性进行了比较。在实验基础上，提出煤在实际自燃过程具有比较明显的四个阶段的理论。     

煤自然发火预报的人工神经网络模型

采用自组织特征映射神经网络(SOFM)对采空区煤自然发火与否进行了识别分类.在此基础上,建立了通过分析采空区抽放孔气体成分和抽放孔位置参数来预报煤炭自燃的BP神经网络模型.对模型预测结果与实际情况进行了对比分析,结果表明,用人工神经网络方法识别和预报采空区煤自燃是可行的.为煤自燃程度的识别和预报探索出了一种新的方法.     

基于人工神经网络的热轧碳钢变形抗力预报

以恒应变速率凸轮压缩试验机得到的实验数据为基础，采用人工神经网络的方法建立了碳钢变形抗力与应变、庆变速率及温度对应关系的预测模型，与多元非线性回归模型比较，神经网络模型具有较高的预测精度。     

神经网络在可靠性分析中的应用

应用人工神经网络对舰炮发生故障的发射炮弹数进行了预测。借助前馈神经网络对非线性函数的逼近能力，对发生故障的发射炮弹数进行了单步预测，并与使用灰色数列预测的结果进行了对比，验证了人工神经网络进行可靠性预测的可行性。     

神经网络在矿区地下水评价中的应用

提出了利用人工神经网络技术进行矿区地下水评价的新方法,矿区地下水资源模型的建立以及模型的应用等问题.采用并加以改进的误差反向传播人工神经网络(BPN)算法对矿区地下水水位进行了建模和预测,同时以神东矿区为例对模型进行了应用验证.结果表明,用神经网络模型对复杂的矿区地下水系统评价进行模拟预测,具有理论上的可行性和实用意义.     

High-precision orbit prediction and error control techniques for COMPASS navigation satellite

A new satellite orbit prediction method based on artificial neural network （ANN） model is proposed to improve the precision of orbit prediction. In order to avoid the difficulty of amending the dynamical model, it is attempted to use ANN model to learn the variation of orbit prediction error, and then the prediction result of ANN model is used to compensate the predicted orbit based on dynamic model to form a final predicted orbit. The experiment results showed that the orbit prediction error based on ANN model was less than that based on dynamical model, and the ent satellites and different improvement effects for differtime were different. The maximum rates of improvement of predicting 8, 15, 30 d were respectively 80 %, 77.77 %, 85 %. The orbit prediction error control technique based on the method of back overlap arc compare was brought forward to avoid the risk that the precision of predicted orbit is even worse after it is compensated by ANN model. The phenomena of failure were basically eliminated based on this technique, and the rate of failure was reduced from 30 % to 5 %. This technique could ensure that the engineering application of ANN model could come true.     

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     

基于样本数据重抽样的时序数据预报方法

研究时序数据预报和提高预报精度的方法,提出了一种新的利用误差项对时序数据样本进行ＢｏｏｔＳｔｒａｐ重抽样的方法。该方法采用神经网络技术建立时序数据预报模型,并通过重抽样技术提高预报精度。通过ＢｏｏｔＳｔｒａｐ算法与ＢＰ算法的预报偏差平方和比较说明ＢｏｏｔＳｔｒａｐ算法提高了预报精度,将提出的重抽样技术引入时序数据预测中,可提高神经网络的预测精度,并适用于股票价格及外汇交易预测等效应领域。     

Dimensionless model to determine spontaneous combustion danger zone in the longwall gob

According to spontaneous combustion propensity,the longwall gob is divided into three zones,including heat dissipation zone,self-heating zone and the choking zone.Only in the self-heating zone can temperature of coal rise due to oxidation.Studying the distribution of the “Three Zones” in gob is important for predicting and preventing spontaneous combustion in coalmine.In normal mining operations,temperature of coal is roughly constant.The process of mass transfer in the gob is considered to be steady.Based on mass conservation,gas species conservation,darcy' s law,Ficks law of diffusion and coal oxidation 1-grade reaction rule,governing equation for air leakage intensity and species concentration are deduced.With critical value of coal spontaneous combustion and the size of longwall workface as basic dimension,a dimensionless steady coupled model of air flow diffusion and chemical reaction in loose coal of Fully Mechanized Top-Coal Caving Mining Workface (FMTCCMW) is setup.By solving the model numerically,regulation of three zones' distribution and spontaneous combustion in the gob can be obtained.The results can be easily popularized to prediction of spontaneous combustion in other coalmines' longwall gob.     

基于多重多元回归的焦炭质量预测模型

 焦炭质量预测是焦化企业进行焦炭质量控制的重要方法。在诸多生产因素已固定的条件下,焦炭质量主要取决于原料煤性质。用煤质指标预测焦炭质量是焦炭质量预测的重要方法。考虑配合煤煤质指标和焦炭质量指标的多元性和相关性,采用多重多元回归分析技术,将焦炭质量的各指标作为一个整体,建立配合煤煤质指标对焦炭质量的预测模型。基于偏最小二乘回归思想,采用预测误差平方和（PRESS）和预测的方差验证回归模型的预测能力。根据实际焦炭生产建立的焦炭质量预测多重多元回归模型的显著性检验表明,该模型具有较高的预测能力。应用多重多元回归技术建立的焦炭质量预测模型对指导焦化企业的焦化生产,优化配煤和加强焦炭质量控制具有重要的现实意义。     

预测钢筋混凝土预制桩竖向极限承载力的ANN方法研究

传统的钢筋混凝土预制桩极限承载力预测方法,难以考虑单桩极限承载力影响因素的模糊性和相互作用关系,本文提出并建立了预测钢筋混凝土预制桩极限承载力的人工神经网络方法,收集了某地区的41例钢筋混凝土预制桩,利用其中37例的实测数据建立了预测单桩极限承载力的ANN模型,另外的4例检验了模型的预测性能,研究结果表明,所建立的ANN方法的预测精度能够满足工程应用要求。     

采用前向多层神经网络预测煤的自然发火期

煤自燃是煤氧复合的结果,在不同温度下煤氧复合的耗氧速率及CO、CO2产生率与煤的实验自然发火期之间存在复杂的对应关系,采用S型函数的前向多层人工神经网络来描述这种对应关系,用煤自然发火实验测定的数十个煤样的自然发火期及不同温度下耗氧速率及CO、CO2产生率作为训练样本,用BP算法对网络进行训练,得到了神经元间的联结强度.通过少量煤样程序升温氧化实验得到不同温度下煤样的耗氧速率及CO、CO2产生率,将其代入此人工神经网络程序就可以确定煤的实验自然发火期.该方法实验时间短、用煤量少得多,结果与实际吻合.     

Groundwater Level Predictions Using Artificial Neural Networks

IntroductionThe prediction of groundwater level fluctuation fordifferent natural conditions and usage rates is ofgreat importance for the use and management ofgroundwater resources.However,groundwaterlevel fluctuations are influenced by many factors,such as precipitation,infiltration,usage and thehydro- geological properties of the aquifer.Therefore,the groundwater level fluctuations arecomplicated and difficult to predict,especially indeep areas.Wells are commonly drilled tounderstand aquifer…     

煤最短自然发火期灰色预测模型研究

根据不同煤层自然发火期实验测试结果和宏观可测定的、表征煤自身氧化放热性的常用指标，运用灰色系统理论，建立了确定蓄散热条件下的煤最短自然发火期GM(0，5)的灰色预测模型。该预测模型预测值与实际值平均相对误差为1．45％，最大相对误差为-21．27％，能真实地反映出煤层自燃性与煤的灰分、挥发分、硫分和含氧量等的影响关系，可定性用于煤自然发火期的预测。