神经网络在采面顶板聚类及辨识中应用

本文在神经网络聚类与辨识原理简介的基础上，时采面顶板聚类与辨识问题进行了应用研究，其聚类及辨识的正用率达１００％。实例表明，神经网络是用于复杂非线性系统聚类与辨识的有效方法，并可望在煤矿开采领域其它聚类及辨识问题中得以推广应用。     

面向顶板类型识别的人工神经元网络模型

基于地下岩体赋存环境复杂性的特点，采面顶板类型识别问题是一个比较复杂的问题，它受制于岩石强度Ｒ＿ｃ、裂隙间距Ｉ、分层厚度ｈ、垮落步距Ｌ等众多的影响因素，这是一典型的复杂非线性系统问题，因而用传统数学方法所建模型误差较大。本文运用人工神经元网络建立了采面顶板类型识别的神经网络模型，进行了实例研究，并同用模糊数学方法所建模型进行了对比。图１，表１，参８。     

巷道围岩移近量神经网络预报模型——巷道围岩稳定性的聚类分析

在运用误差反向传播(BP)神经元网络确定巷道围岩稳定性判定各特性指标权重的基础上,采用自适应共振(ART)神经元网络对巷道围岩稳定性的聚类分析问题进行了研究.结果表明,神经元网络是用于解决采矿工程中权重评价、模式聚类问题的有效方法,对于解决采矿工程中相关问题有着广泛的应用前景.     

基于人工神经元网络的采场顶板质量评价模型

根据神经网络理论，建立了采场顶板质量评价的人工神经网络模型，实例表明该模型的评价正确率高，是用于解决复杂非线性系统评价问题的有效方法。可望在煤矿开采领域其它评价问题中得以推广应用。