鸡西矿区回采巷道围岩稳定性分类研究

对回采巷道围岩稳定性分类进行了研究,建立了基于模糊等价关系的灰色Fuzzy聚类分析模型。利用该方法进行的回采巷道围岩稳定性分类,为确定合理的支护方式提供了依据,对提高煤矿的经济效益和社会效益有着重要意义。     

回采巷道围岩稳定性模糊等价聚类分析

回采巷道是煤矿回采系统的咽喉，回采巷道分类影响到巷道支护设计、施工与支护质量。在对回采巷道稳定性分类的主要影响因素及指标选取原则分析的基础上，提出了对原始数据预处理的方法与计算公式。根据模糊等价关系，以15个矿43条回采巷道为样本，给出了不同置信度下的分类结果。最后，以F统计量最大原则对最优分类类别进行了计算。结果表明，43条回采巷道最优分类为两类，给出的样本在很大程度上具有相似性。     

未确知均值分级方法及在回采巷道围岩分类中的应用

为将未确知数学理论应用到回采巷道围岩分类问题中,提出了未确知均值分级方法,建立回采巷道围岩分类的未确知均值分级模型.从巷道地压显现的特点及支护的难易程度两方面选取了6个主要影响因素,如巷道埋深、跨度、直接顶与煤层厚度的比值、围岩强度、围岩节理发育程度,松动圈大小作为判别指标,利用30组巷道围岩实测数据建立回采巷道围岩分类的未确知均值分级分析模型.应用该模型对平顶山矿区4条回采巷道围岩进行了分类预测.结果表明,预测类别与实际类别相吻合,这说明用该模型研究巷道围岩类别具有良好的实用性和有效性.该方法可为回采巷道围岩的分类提供一种新思路.     

模糊模式识别法在围岩稳定性分类上的应用

地下洞室围岩稳定性分类是多因素识别问题,本文用模糊模式识别直接法,通过导出的多元柯西型隶属函数来识别各段围岩的稳定性等级。这可以避免模糊综合评判法中凭经验确定模糊子集(?)的困难。工程实例计算证明,本方法计算简捷,分类确切;选用的分类指标在工程地质调查中较易获得;与国内外常用的RMR分类和Barton的Q值分类比较,结果相当接近,因而具有实用价值。     

基于松动圈测试技术的巷道支护方案设计

巷道围岩松动圈的大小是评定围岩稳定性和确定锚杆长度的重要依据,对双柳煤矿3306工作面回采巷道进行围岩松动圈测试,得出了该工作面松动圈范围。根据松动圈测试结果、巷道围岩松动圈支护理论及我国缓倾斜、倾斜煤层回采巷道围岩稳定性分类方案,最终确定了合理的巷道支护方式及参数,对类似地质条件下的巷道支护设计具有借鉴意义。     

回采巷道围岩变形率的预测

巷道围岩变形率预测是巷道支护设计的主要环节，本文以影响回采巷道稳定性的主要因素为基础，分析整理了我国煤矿１００多条典型的巷道实测数据，应用多元线性回归方法，建立了预测各类巷道围岩变形率的回归方程，经理论检验与实例验证，预测方法可用于我国回采巷道控制设计，具有广泛的实用价值。     

模糊择近原则在隧洞围岩分类中的应用

对国内外经常使用的围岩稳定性分类方法作了分析讨论.在多因素分类法的基础上,引进模糊理论.由于各因素对最终指标的影响程度不同,应乘以不同的权重系数.根据围岩地质条件,确定岩土的质量分类情况,引入贴近度及择近原则,建立围岩模糊分类法,给出确切的围岩分类.通过实例说明所建立的围岩模糊分类法是一种计算简便、应用灵活、行之有效的分类法.     

用模糊相似关系方法对岩石进行聚类分析

近年来,模糊数学的发展已经进入岩石力学领域,用模糊浆类分析方法对岩石进行分类是其具体应用的一个方面。模糊聚类分析方法可以分为两种:非系统聚类法和系统聚类法。本文介绍了应用系统聚类法对岩石进行聚类分析的一个实例。     

巷道围岩稳定性分类的MBP神经网络预测研究

研究BP神经网络的工作原理和改进技术，分析巷道围岩稳定性的影响因素，基于改进的MBP神经网络建立了围岩稳定性分类的神经网络识别模型。研究结果表明，该预测模型性能好，预测精度高，预测结果能很好地拟合地下工程实际，验证了该模型的可行性和实用性。     

厚煤层分岔区下分层回采巷道位置选择

针对分岔厚煤层下分层难以确定回采巷道位置这一问题,通过采用室内试验对夹矸层和3下煤层受采动影响破坏进行分析。采用数值模拟对6种不同方案下围岩的应力分布规律、巷道变形特征和塑性区分布情况进行分析,结果表明:与煤柱中心的水平间距为30m处巷道围岩稳定性较好,其巷道围岩塑性区范围及变形量小。通过现场监测对巷道稳定性进行验证,表明在距离残余煤柱30m处布置回采巷道,围岩的变形量比较小,巷道围岩具有良好的稳定性。研究结论为类似条件下的巷道位置选择提供了借鉴。     

一种模糊聚类模式识别方法及应用

提出了一种新模糊Ｋｏｈｏｎｅｎ聚类网络算法,同时提出了模糊伪监督分类算法：模糊特征降维方法,最后给出应用实例及和其它方法的比较结果。     

基于模糊C均值聚类改进的最大似然分类法

基于参数密度分布模型的最大似然分类法(MLC)是遥感影像经典分类方法之一,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点,但是由于遥感数据具有高度的模糊性和随机性,使得贝叶斯(Bayes)判别函数中的均值向量和协方差矩阵很难准确确定。因此首先利用模糊C均值聚类得到模糊划分矩阵,然后基于模糊划分矩阵计算出每一个聚类类别模糊均值和模糊协方差矩阵,并利用模糊均值和模糊协方差矩阵来代替贝叶斯判别函数中的均值向量和协方差矩阵从而建立一个新的判别函数,最后与传统的最大似然分类结果进行比较,结果表明改进后的最大似然分类法在总体精度、Kappa系数均优于传统的最大似然分类方法。     

模糊聚类分析方法在吉林农业经济划分中的应用

利用模糊数学中的聚类分析方法,对吉林省农业经济类型和农业气候进行划分。用FuzzyPFS聚类法对农业经济相关数据进行聚类运算,获得了一个最佳分类数,从而对吉林省农业经济进行了有效划分。     

模糊聚类分析方法在学生成绩评价中的应用

模糊聚类分析是一种应用广泛的模糊数学方法，可广泛应用于各个领域。在模糊集合理论基础上，研究了模糊聚类分析的方法及在学生成绩评价中应用。选取我校7个学院02级学生基础课成绩作为统计指标，利用最大最小法建立相似矩阵，用闭包法作出聚类分析，并作了详细分析。结果表明模糊聚类分析法对学生评价科学合理，符合实际，对掌握学生学习情况有很大帮助。     

基于模糊熵的聚类有效性分析

模糊熵描述了一个模糊集的模糊性程度.本文将模糊熵应用于聚类有效性的分析.指出用于聚类有效性判决的划分系数是一个基于模糊熵的聚类有效性判决准则.最后通过几组数据对不同模糊熵公式的判决功能进行了比较实验.     

庞泉沟自然保护区植物群落的模糊数学分类与排序

用模糊C-均值聚类和模糊排序方法研究了庞泉沟自然保护区植物群落类型及其生态关系,结果表明,该区群落类型的分布与生态环境的变化趋势相一致,保护区植物群落与环境的关系相协调.海拔高度和水热条件是影响植物群落变化的主要生态因子.2种模糊数学方法很好地反映了群落的生态关系,分析结果符合实际,可在今后研究中推广使用.     

基于模糊聚类的神经网络在数据挖掘分类中的应用研究

常见的决策树分类算法、贝叶斯分类算法、神经网络分类算法为数据挖据分类算法研究提供了重要基础。但面对海量数据时,在时间效率、鲁棒性和精确性上都显示出了不足。为此,本文将模糊聚类的思想引入到神经网络分类算法中,首先通过模糊聚类子模型,将样本数据聚为几个数据子集,然后再采用不同的神经网络对各个数据子集同时进行训练学习。由于经过了模糊聚类子模型的预处理,每个神经网络训练学习样本的复杂性大大减少,使神经网络的学习效率大大提高。最后通过UCI下的实际数据库,对提出的分类算法进行了检验,结果显示了基于模糊聚类的神经网络在数据挖掘分类中应用的有效性。     

改进的自适应模糊推理机

本文用改进的Apriori算法来减少基于输入输出的最小决策规则集,它由混合模糊聚类自动生成的隶属函数和规则构建而成。自适应模糊推理引擎采用最小二乘法和共轭梯度下降算法以实现用最少的规则集,从而得到更好的性能。     

基于模糊聚类的粒子群神经网络预测卷取温度

影响热轧带钢卷取温度的因素多而且复杂,采用传统的温度预测模型难以达到较高的精度。为了满足卷取温度高精度预测的要求,将模糊聚类分析、神经网络、粒子群算法结合起来,提出了一种基于模糊聚类的粒子群神经网络用于预测卷取温度。运用现场实际数据测试表明,该方法预测卷取温度效果良好。