ITOPSIS与PSF耦合的采空区稳定性综合辨析

为提高地下金属矿采空区辨析的客观性,提出ITOPSIS及PSF耦合的综合辨析方法.首先引入TOPSIS方法并加以改进,形成适用于整体辨析的改进的TOPSIS(ITOPSIS)模型:1引入区间值直觉模糊集(IVIFS)以提高定性属性量化描述的客观性;2改进相对贴近度公式,避免了不可区分现象;3针对引发逆序问题的两个因素分别提出绝对理想解及IFAHP定权;4构建了采空区整体稳定性ITOPSIS等级量化区间,并将ITOPSIS运用于某金属矿山.然后,将基于点安全系数(PSF)的数值分析运用于2#,4#采空区局部稳定性分析,由PSF曲线具象地洞悉采空区局部稳定状态.研究结果为更好地综合分析采空区稳定性提供思路.     

煤炭自燃危险性评价与预测研究

针对采空区自然发火进行了危险性评价.从发火条件入手,建立了采空区自然发火事故模型,确定了采空区发火现状危险等级;并利用采空区已有的自然发火预测指标建立BP神经网络的时间序列预测模型,对未来该采空区有无发火危险进行了预测,确定了未来采空区发火可能性大小,为采空区做好防火工作提供了理论依据.     

采空区危险性评价方法优化

为了更合理精确地评价采空区危险性,对利用神经网络评价的方法进行优化,建立主成分分析法与神经网络结合的采空区危险性评价模型.从地质和工程条件出发,综合考虑影响采空区稳定性的13项主要因素,统计样本数据.运用主成分分析法对影响采空区稳定性的样本进行预处理,将分析结果作为神经网络的输入数据,减少输入变量,消除变量之间的相关性,从而加快数据处理速度,提高预测精度.将该方法应用于锡矿山的采空区危险性评价.结果表明,预测误差在8％以内,较未经主成分分析的神经网络预测精度有了很大提高.利用主成分分析法和神经网络结合建立的采空区危险性评价模型具有分析速度快、预测精度高等优点.该方法科学合理,为采空区危险性评价提供了一种更完善的评价体系.     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

采空区危险性的支持向量机识别

针对采空区危险性影响因素与其危险性等级之间存在着复杂非线性关系的特点,笔者提出采用支持向量机最优分类理论来识别采空区的危险性等级。研究选取岩体结构、地质构造、岩石抗压强度、弹性模量、采空区形状、矿体倾角、高跨比、空区体积等8个参数作为主要影响因素,根据支持向量机理论,提出了1-V-1的采空区分类算法,并在Matlab中编程,建立了分类预测的SVM模型。以某矿山的实测采空区为例,利用该模型进行了识别,并与BP神经网络预测结果作对比。实例研究表明,采用该方法的分类结果比神经网络更准确,与采空区调查结果一致性好,用支持向量机理论进行采空区危险性评价是可行的。     

基于BP神经网络的空洞型采空区稳定性评价研究

通过分析空洞型采空区稳定性的影响因素,依照BP神经网络原理,构建出适合空洞型采空区稳定性评价的BP神经网络模型。再通过收集到的空洞型采空区稳定性样本对所构建的BP神经网络进行训练,得出空洞型采空区稳定性评价BP神经网络模型,并应用检测样本测试其准确性。并以陕北讨老乌素煤矿采空区为例,应用训练好的BP神经网络模型对其进行预测评价,最终得到了与实际情况吻合的结果。     

基于GA-BP神经网络的汽车润滑系统中磨粒分类的研究

磨粒是汽车润滑系统运转过程中部件与部件之间摩擦的副产物。针对目前磨粒分类准确度低和分类效率低的问题,提出了基于GA-BP神经网络的汽车润滑系统中磨粒分类的算法。采用BP神经网络深度学习,同时对BP神经网络运用遗传算法进行改进,通过GA-BP神经网络同BP神经网络相对比,结果表明GA-BP神经网络更稳定、更迅速。经过对磨粒分类的对比,可知深度学习过的GA-BP神经网络分类的准确率高达96.92%,符合汽车润滑系统中磨粒分类的准确性及高效率性的要求。     

浅层采空区塌陷结构面应力效应直剪力危险性测试

浅层采空区的稳定性受塌陷结构面应力效应直剪力的直接影响.采用当前方法测试采空区塌陷结构面应力效应直剪力的危险性时,测量的结果相比实际的结果准确率较低,得到的危险性结果不符合实际结果.提出浅层采空区塌陷结构面应力效应直剪力危险性测试方法.在采矿因素、地质因素、环境因素和水文因素中选取浅层采空区塌陷结构面应力效应直剪力危险性评估指标,采用层次分析方法对采空区塌陷结构面应力效应直剪力的危险性评估指标的权重进行分析计算,得到变权改进后的评估指标的权重,在模糊识别理论的基础上计算评估指标的隶属度,根据隶属度构建危险性评估模型,通过危险评估模型得到塌陷结构面应力效应直剪力危险级别特征值,依据危险级别特征值确定采空区塌陷结构面应力效应直剪力的危险级别,实现浅层采空区塌陷结构面应力效应直剪力的危险性测试.实验结果表明,该方法的测试结果准确率较高.     

基于FAHP法和区间数改进TOPSIS法的盾构隧道下穿建筑物风险评估

为评估盾构隧道施工对邻近建筑物的影响,提出一种基于模糊层次分析法(FAHP)和区间数改进优劣解距离(TOPSIS)法相结合的风险评估方法.通过调研建立基于土体性质、建筑物因素、隧道因素、盾构掘进参数等影响因素为主的风险评估体系,基于专家打分利用FAHP判断因素权重.利用传统TOPSIS法,根据因素分级标准选取6个典型样本,确定非等分风险等级判断标准.首次将区间数改进TOPSIS法运用到盾构隧道下穿建筑物的风险评估中,采用区间数描述工程情况.该评估过程均采用量化方式,比传统风险评估方法的准确性更高,受主观因素影响较少,客观性更强.利用该方法对某砌体建筑物进行风险评估,结果与实际情况相符,证明了该方法的有效性,可为类似工程风险评估提供参考.     

基于GA-BP神经网络算法的马铃薯晚疫病预测模型

应用基于遗传算法的BP神经网络构建马铃薯晚疫病预测模型,对原始样本进行归一化处理,应用遗传算法优化BP神经网络的结构、初始权值、阀值,通过BP神经网络训练构建马铃薯晚疫病预测模型,利用遗传算法来改善BP神经网络算法本身的缺陷,提高学习精度,预测准确度.仿真结果表明,GA-BP神经网络模型预测准确度较高,误差率较低,稳定性较好.实践证明,将GA-BP神经网络算法应用于马铃薯晚疫病预测模型中是可行的,能够实现晚疫病流行程度的快速预测.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

基于RS-TOPSIS法的地下工程岩体质量评价

将逼近理想解的排序法(TOPSIS)运用于地下工程岩体质量评价问题中,选用岩石质量指标、岩石单轴饱和抗压强度、岩体完整性系数、结构面强度系数和地下水渗水量5个影响因素作为地下工程岩体质量评价指标.基于粗糙集理论(RS),通过计算评价指标与评判结果的粗糙依赖度确定评价指标的重要性.以广州抽水蓄能电站1期地下工程岩体17组实测数据和13组插值数据作为学习样本,依据单指标分类区间下限构造5个不同等级的典型样本,通过计算典型样本与正理想解的相对贴近度来确定分类区间,建立RS-TOPSIS地下工程岩体质量评价模型,并逐一对30组学习样本进行回检,正判率为96.7％.将建立好的评价模型运用于该电站2期地下工程岩体质量评价.研究结果表明:采用地下工程岩体质量RS-TOPSIS评价方法获得的结果与突变基数法、BP神经网络法以及支持向量机法评价结果相吻合,该方法具有工程实用价值,可以运用于地下工程岩体质量评价.     

基于GA-BP神经网络的金精矿品位的预测

在对金矿生产过程进行大量实际调研工作的基础上,分别采用BP神经网络和遗传算法优化BP神经网络的方法,建立了金精矿品位的预测模型,以现场采集的978组数据作为样本,运用噪声平滑技术进行数据预处理,筛选了770组数据,运用其中的650组数据建模,并运用其余的120组数据对模型进行了验证.通过对两个模型的预测误差分析,得出用遗传算法优化的BP神经网络(GA-BP)预测精度更高,当预测相对误差在±2%范围内时,模型的预测精度达到97.5%.     

煤与瓦斯突出预测的正负靶心灰靶决策模型

为提高煤与瓦斯突出预测的准确性和可靠性,提出利用正负靶心灰靶决策模型进行煤与瓦斯突出危险性评价的方法.根据选取的20组矿井的突出单项指标数据,定义正、负两个靶心并分别计算靶心距,通过目标权重优化模型得到各突出影响因素的权重,依据计算出的综合靶心距大小划分煤与瓦斯突出危险性等级,并利用建立的煤与瓦斯突出预测模型对选取的10组矿井进行突出危险性评价,评价结果与矿井实际情况一致.研究结果表明:利用正负靶心灰靶决策模型进行煤与瓦斯突出危险性评价是可行的.     

基于GA-BP神经网络的配电网故障选线方法研究

为了有效解决配电网故障选线的难题,对基于GA-BP神经网络的故障选线方法进行了研究,利用遗传算法优化BP神经网络,使BP神经网络克服易陷入局部极值和对初始权重敏感的缺点.将稳态和暂态下的各选线判据进行合理的信息融合,并通过GA-BP神经网络进行故障选线的训练和测试,从而得出故障线路.仿真分析结果验证了该选线方法的有效性.     

基于改进的遗传算法优化BP神经网络的车险欺诈识别模型

为了提高BP神经网络在保险欺诈识别中的准确率,利用改进的遗传算法优化BP神经网络初始权重,以克服BP神经网络容易陷入局部极小点、收敛速度慢以及样本依赖性等问题的缺点。改进的遗传算法充分考虑了遗传算法中种群适应度的集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率。同时为了加快寻优效率,将排序选择策略与最优保存策略相结合。以某保险公司汽车保险历史索赔数据为样本,采用该算法进行模拟和预测。实证结果表明:相比于IAGA-BP、GA-BP、BP三种算法,该识别算法在识别准确率上有很大提高。     

开采煤层自燃倾向性的自组织神经网络预测

通过对开采煤层自燃机理的阐释,选取其主要影响因素作为判别指标,建立了开采煤层自燃危险性的自组织神经网络预测模型,并选用典型的样本对该神经网络进行了训练,尔后用测试样本进行验证,结果表明该方法具有很高的准确性。     

一种基于熵权多目标决策和人工神经网络的炼油企业绩效评价方法

提出了一种基于熵权多目标决策的逼近理想解法(TOPSIS)和人工神经网络(ANN)的炼油企业绩效评价方法,以熵权TOPSIS的企业绩效评价结果作为学习样本,对神经网络进行训练、测试,进而对指标加以赋权,最终得到了企业绩效综合评判式,并将其用于炼油企业绩效评价.实例分析结果表明,该方法科学有效、实际可行,具有一定的智能性,为炼油企业绩效评价提供了一种新的途径.     

改进层次分析法的煤与瓦斯突出预测

为准确预测煤与瓦斯突出的危险等级,采用三元标度分析法对传统的层次分析法进行改进,简化了对各影响因素进行权重分析的过程,运用模糊数学和隶属度函数的相关理论分析所得的权重向量,经过推导可以得出煤与瓦斯突出等级的综合分析结果,运用二级评判的方法对初级结果进行修正,实现对煤与瓦斯突出危险等级的精确预测.研究结果表明:相比于过去传统的层次分析法,这种改进的层次分析法可以更加快速准确地预测结果.