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.     

煤矿矿井突水水源的多元矩阵模型分析

 针对煤矿矿井突水对煤矿安全生产的不利影响,基于水化学分析结果,建立多元混合模型模型,分析计算矿井突水水样,并与传统的BP 神经网络原理和模糊综合评判法相对比,分析结果与矿山实际情况相符合。结果表明：多元混合模型不仅能准确分析出矿井突水水样主要来源,而且计算简单准确,受水化学分析样本量和离子种类数量限制较小,可以作为一种矿井突水水源判别工具在工程实践中应用。     

基于水化学特征分析的象山矿井突水水源判别

为能够快速的、准确的识别矿井突水水源,减少煤矿人员伤亡和经济损失,以象山煤矿为例,应用Piper三线图法对井田内3组基岩含水层(奥陶系灰岩含水层、石炭系砂岩/灰岩含水层、二叠系砂岩裂隙含水层)中水质类型进行划分,采用水质分析对比和系统聚类分析相结合的方法,通过对井田内3组基岩含水层中28个水样进行的分析,获得了不同基岩含水层水的化学特征,根据水化学特征,将突水点处的待定水样和3组基岩含水层中的水样对比来判别矿井突水水源,同时提出了利用模糊聚类方法进一步确定矿井突水水源。研究结果表明,石炭系砂岩(灰岩)水和奥陶系岩溶水的水化学特征都与待定水样比较相似,不能轻易识别;聚类分析法能够排除干扰因素并最终精确判别矿井突水水源,即象山煤矿280排矸石门突水的水源为奥灰岩溶水,预测结果与实际相符,表明该方法针对矿井突水的水源判别具有较好的准确性。     

基于多元统计与Bayes判别模型的水源判别

准确判别突水水源是矿井水害治理方案制定的基础,对保障矿井安全意义重大.以淮北袁店一矿为例,首先对37组水样进行了常规离子含量测定.其次,利用因子分析法,提取出能够代表水样特性的关键因子及其组合特征,从而达到降维简化的目的 .再次,利用Q型系统聚类,结合不同含水层水样特征,剔除离群数据.最后,基于Bayes函数建立突水水源判别模型.结果 表明:基于多元统计分析与Bayes模型的判别方法准确率达96.7％,相对于单一Bayes判别模型的准确率有所提高,尤其对太原组灰岩水.研究成果对提高矿井突水水源判别的准确性具有重要意义.     

基于BP神经网络的煤矿透水水源判别方法

为了快速准确判别透水水源,为煤矿水害防治提供依据,系统分析了福建省龙永煤田透水水源35个标准水样的水化学特征,确定Ca~(2+)、HCO_3~-和SO_4~(2-)为特征离子,建立BP神经网络判别模型,随机选取不同水源类型的9个水样作为检验样本,预判正确率88. 89%,采集3个未知样本,验证其预判准确率为100%。     

潘一煤矿地下水化学空间变化特征与水源识别分析

为了认识矿井地下水化学在空间分布上的特征与变化规律和正确、快速识别地下水水源,用Piper图示法分析潘一矿4个主要含水层的地下水化学特征和水质类型,探究了新生界下含水和煤系水水质在空间上的变化特征,并用BP人工神经网络方法判别水样来源。结果如下:潘一矿新生界上含水,与其他含水层的水样水质相差较大,水质类型为HCO_3-Na+K·Ca;新生界下含水水质类型比较单一,为Cl-Na+K型水;煤系水沿HCO_3~-方向分布范围广,水质的类型主要为Cl-Na+K型水;灰岩水为Cl-Na+K型水。新生界下含水、灰岩水和部分煤系水水质比较接近,难以通过水质信息对水样来源做出有效判别。潘集背斜附近的浅部煤系砂岩含水层可能受到上覆下含水的补给,呈现出较高的Ca~(2+),Mg~(2+)浓度和较低的HCO_3~-浓度的特征。BP人工神经网络方法判别准确率为82.3%,总体上判别效果较好。     

基于Fisher判别法和质心距理论的突水水源识别

快速准确的判别矿井突水水源对煤矿安全开采而言是至关重要的。通过对张集矿水文地质资料的研究,并在此基础上根据不同含水层中水化学离子成分不同的特性,选用Ca~(2+)、Mg~(2+)、K~++Na~+、HCO~-_3、SO_4~(2-)、Cl~-六大常规离子,且增加pH和总溶解固体(total dissolved solids,TDS)共8个因素作为判别因子,基于Fisher判别法和质心距分析理论,利用SPSS软件,建立对张集矿突水水源判别的函数模型,并对随机抽取的8个水样进行判别分析。结果表明:因子分析对模型训练样本的建立具有一定的有效性;增加判别因子后,样本误判率降低,准确率从90.625%提高到96.875%;由于构造条件等因素的影响,待判水样存在一定的误差。因建立函数模型方法简单,且准确率较高,对突水水源类型的判别具有可行性。     

矿井涌水水源的主成分分析和BP神经网络判别

为准确判别矿井涌水水源,针对矿井各主要含水层的水化学特征数据样本,利用主成分分析法消除变量中的重复信息,采用BP算法对网络进行训练,实现对随机挑选样本的判别,并与Bayes判别结果进行比较.结果表明：主成分分析与BP神经网络相结合的方法判别涌水水源的正确率为82.35％,优于Bayes判别法.该研究为有效开展矿井防治水工作提供了参考.     

顶峰山矿井地下水化学特征分析

顶峰山矿井地下水系统包含四个子系统：第四系孔隙含水岩组、煤系基岩裂隙含水岩组、栖霞灰岩裂隙-岩溶含水岩组和老窑水。通过对四个子系统地下水化学特征的系统研究，建立了相应的四个含水模型，作为判别矿井突水水源的依据，以指导矿井安全生产。     

SOFM与BP神经网络在矿井水源判别中的应用

介绍了SOFM神经网络与BP神经网络,以李咀孜煤矿为例,分别利用SOFM网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:SOFM网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。     

高光谱图像技术检测梨表面农药残留试验研究

以滴有不同浓度毒死蜱和炔螨特农药的水晶皇冠梨为研究对象,探讨高光谱图像技术结合人工神经网络方法检测水果表面农药残留量的可行性.分别配制不同浓度分布的毒死蜱水溶液和炔螨特水溶液样本各20个,按100μL和150μL取农药溶液滴在梨表面,在835.467 8～1 648.356 8 nm范围采集高光谱图像,提取感兴趣区域数据得到4组样本数据,每组20个,每组随机抽取5个样本作为预测集,利用BP人工神经网络对每组数据分别建立数学模型.滴有150μL和100μL农药溶液区域的建模结果为:两种农药的残留样本相关系数分别都大于0.99和0.95;RMSEC和RMSEP的最大值分别为0.634 9,1.323 9和1.742 5,3.441 7.结果表明:150μL农药样本区优于100μL农药样本区的建模结果,高光谱图像技术结合人工神经网络法检测梨表面农药残留量是可行的,为水果表面农药残留量检测提供了新方法.     

埠村煤矿徐灰水特征及其防治措施分析

埠村煤矿有4个主要含水层,其中徐家庄石灰岩含水层组（简称徐灰水）和中奥陶系石灰岩含水层组（简称奥灰水）,对石炭系太原组煤的开采具有严重威胁。为研究徐灰水特征,详细分析了汛期对徐灰水和奥灰水水位的影响;设计了徐灰水放水实验,重点对放水实验过程中各钻孔水位的变化进行了统计分析。制定了徐灰水的防治措施,为石炭系太原组煤的安全开采提供了科学依据。     

海水入侵三维含水层渗透系数的BP网络逆反分析

为研究复杂地质体海水入侵渗透系数的不确定性,将非线性动力学神经网络用于海水入侵的三维含水层参数的逆反分析,建立了基于监测水头值的海水入侵渗透系数直接识别方法.采用正交设计试验方法进行三维数值试验产生代表性的样本数据,通过误差逆传播学习算法建立多层的神经网络模型,表示观测水头和渗透系数隐式的复杂非线性映射关系,通过观测水头信息直接预测含水层渗透系数.该方法可利用现有的海水入侵三维有限元模拟程序.算例表明该法具有良好的分析精度,可满足工程要求.     

泥浆泵液力端故障诊断技术研究

通过对现有的泥浆泵液力端故障诊断技术的分析研究,并结合泥浆泵的结构及工况特征,提出了振动信号统 计指标与神经网络相结合的液力端故障诊断方法。该方法选取振动信号的有效值、方差、峰值指标、脉冲指标、峭度指 标和裕度指标作为表征液力端振动信号的特征指标;采用动态数据采集仪、压电式加速度传感器采集振动测试信号, 并计算得出振动信号平均特征量;然后通过对振动信号特征指标的归一化处理,构建BP 网络和设置网络参数,将经 归一化处理后的时域统计指标作为训练样本,输入到构建的BP 网络中进行网络训练;经过训练,使BP 网络满足预定 的精度要求。现场应用诊断误差分别为：0.007 7,0.017 9,0.017 7,0.021 6,说明构建的BP 网络的性能能够满足故障 诊断要求。利用统计指标和BP 神经网络结合的故障诊断方法,对泥浆泵故障诊断具有较准确的识别效果,可应用于 泥浆泵液力端的故障诊断。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

七元煤矿矿区水文地质条件

七元煤矿含水层为：孔隙含水层、裂隙含水层、裂隙岩溶含水层;隔水层为：15号煤至奥灰间压盖隔水层组、K8～K12间隔水层组。