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。     

八毫米微带多普勒雷达收发前端

本文利用散射参量分析线性无耗互易三端口微波网络，设计微带多普勒雷达收发前端的信号控制电路，并研制出８ｍｍ微带多普勒雷达收发前端．该雷达收发前端结构简单，易制作，成本低．试验结果表明，灵敏度较高．     

软弱围岩大变形的本质及其计算模型的探讨

在论述软弱围岩大变形本质的基础上，建立了软弱围岩峰后剪胀变形模型，并利用该模型对沙曲煤矿具体岩性条件的围岩变形和支架—围岩关系进行了分析，与弹塑性分析结果对比，结果表明该模型较好地反映了工程实际情况，为围岩峰后变形的研究探讨了新的途径.     

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.     

神经网络在工程时间序列预报问题研究中的应用

对岩土工程中时间序列预报问题进行了研究。灰色模机理研究表明，灰色建模存在若干问题，因此，在处理岩土工程中时间序列预报问题时，要慎用灰色系统建模。探讨了岩土工程时间序列与神经网络间的联系，论证了神经网络的函数逼近能力，建立了基于神经网络的岩土工程时间序列预报模型。研究了实例表明，该模型的预报精度高，为解决岩土工程中时间序列预报问题提供了一条崭新途径。     

软岩硐室围岩作用关系分析

在现场锚注加固试验基础上,根据注浆量统计结果,对软岩硐室围岩间空隙分布进行反分析,采用FLAC建立相应数值分析模型,分析了不同支护围岩关系对支护体内力和围岩自承能力的影响以及支护体的变形破坏特征,得出的结论对改进煤矿大断面软岩硐室支护工艺有一定意义.图6,表2,参5.