矿井涌水量回归模型预测方法研究

涌水量预测一直是矿井防治水工作中重要部分,准确的预测可以预防矿井水害的发生.本文应用传统ARIMA模型对某矿过去近20年涌水量数据进行拟合建立数学回归模型,并在此基础上,考虑多因素众变量的影响,提取出涌水量数据中的趋势-循环因子、季节影响、波动因素,重新建立起数学回归模型,对两种不同方式所建立起的模型进行对比分析,结果...     

矿井涌水量的数学模型与预测

运用增长曲线数学模型模拟矿井涌水量的变化规律,解决了矿井涌水量的模型描述及矿井最大涌水量的预测,为矿井合理配置提供了科学的依据,给出了各种模型的建立,转换关系,估计方法及实例。     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度,基于涌水量数据的不稳定性及随机性,提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)、贝叶斯优化(Bayesian optimization, BO)与双向门控循环单元(bi-directional gated recurrent unit, BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU。所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function, IMF)和残差分量(residual components, Res),过滤数据噪声,提取数据不同时间尺度波动特征,降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优,进一步提高模型的预测精度。之后对各分量进行超前1～3步预测,最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验,并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果...     

浅析矿井水涌水量预测的几种常见方法

矿井涌水量预测是一项复杂而艰巨的工作.分析了矿井涌水量预测中常用的几种方法和特点,提出了在矿井水涌水量实际预测中,应根据预测精度要求和水文地质特点等条件,合理选用适当的预测参数和方法.     

降水充水类型矿井涌水量预测方法研究

矿井涌水量是影响煤矿安全生产的主要因素之一,它直接影响到矿井水文地质条件的复杂程度,关系到对矿床的经济技术评价,因此有效的矿井涌水量预测成为了矿井安全生产的重要因素。为了更有效地预测矿井涌水量,针对降水充水类型的矿井以古书院矿为例,通过分析近五年降水量和涌水量资料,利用回归分析法推导出二者定量关系式,并对近20年的降水量采用水文频率分析法分析得出平水年、丰水年的平均降水量,以此作为因变量,根据推导出的降水量和涌水量函数关系式,分别预测矿井的正常涌水量和最大涌水量,达到有效预测的目的。     

基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。     

基于变维分形的矿井涌水量预测模型

以某矿为例,把变维分形理论引入矿井涌水量预测中,由此构建该矿井的涌水量预测模型,并进行验证分析。结果表明,预测结果与实际结果在短期内极为一致,预测周期变长,则效果不明显。这表明变维分形理论在矿井涌水量短期预测中具有较高的研究价值和应用前景。     

基于人工神经网络的大海则煤矿单井矿井水定量预测

生产矿井未采矿体涌水量预测是保障矿井安全生产的基础工作。本文在充分分析大海则矿井涌水量影响因素基础上,利用人工神经网络理论,建立矿井涌水量的BP网络模型。人工神经网络模型具有增强专家系统的容错能力,当神经网络中少量的神经元发生失效或错误时,不会对系统整体功能带来严重的影响。通过该模型的网络预测,经大海则矿井现场验证：利用BP神经网络预测矿井涌水量其结果真实程度较高,是比较理想的预测方法和手段。     

基于神经网络的可靠度时序预测方法研究

提出了利用人工神经网络进行可靠度时序预测的方法 ,分别利用径向基函数 (RBF)网络及自适应模糊神经 (ANFIS)网络对发动机涡轮增压器进行了可靠度的时序预测 .结果表明 ,利用神经网络进行可靠度时序预测是可行的 ,并且ANFIS的预测能力要优于RBF .     

基于遗传算法的人工神经网络负荷预测研究

针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进。     

改进型BP神经网络的港口吞吐量预测

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。     

基于RBF神经网络的水体污染物含量建模与预测

对水体中污染物含量进行预测具有十分重要的意义。将时间序列作为RBF神经网络的输入,对水体污染物含量的预测做了建模研究。实验结果表明,RBF神经网络的输出值与实际值之间的误差在可以接受的范围,因此在实际应用中,可以将RBF网络方法作为一种考虑采用的方法。     

基于人工神经网络控制的短路限流器

针对电力系统的日益复杂性和故障原因的不可预测性，为达到准确的限流控制，提出了基于人工神经网络的限流控制策略．对具有可控串补功能的短路限流器进行了分析，提出了由两个独立子网络组成的人工神经网络控制模型．应用实际模型，使用电磁暂态仿真程序对电力系统可能发生的各种故障进行了动态仿真，新控制模型训练样本的输出结果和检验样本的输出结果相差不大，验证了两个子网具有很强的适应能力和逼近能力，使用基于人工神经网络的限流控制策略得到的限流波形峰值比使用PID控制策略得到的限流波形峰值要小得多，验证了新限流控制策略的可行性和准确性．     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．     

基于神经网络的磨削温度在线监测预报系统

对磨削弧区温度进行在线监测,是磨削加工自动化中必不可少的重要环节,该文介绍了一个基于人工神经网络的磨削弧区温度在线监测、预报系统。具体给出了监测系统的组成及测温方案,并提出了一种更适宜进行动态预报的改进型ＢＰ网络作为磨削温度的预报模型。工艺实验证明该系统能够较好地实现磨削温度的在线监测与预报。     

基于神经网络的专家系统

人工神经网络与专家系统，作为人工智能应用的两大分支，在实际应用中都有许多成功的范例，但作为单个系统来讲，二者都存在很大的局限性。主要是专家系统知识获取的“瓶颈问题”和神经网络知识表达的“黑箱结构”。为解决这个问题，本文提出将专家系统与神经网络技术集成，达到优势互补的目的。利用神经网络优良的自组织、自学习和自适应能力来解决令家系统知识获取的困难，同时用专家系统良好的解释机能来弥补神经网络中知识表达的缺陷。论文提出了基于神经网络专家系统的结构模型，知识表示方式以及推理机制等。     

东坡井田矿井构造的人工神经网络定量评价

以东坡井田为例介绍了人工 神经网络方法在矿井构造定量评价中的应用。首先在分析了东坡井田矿井构造主要影响因素基础上,确定了12个指标作为指标;然后详细叙述了神经网络输入层、隐层及输出层神经元个数的确定以及利用有序的质量最优分割方法和插值法得到训练样本;最后经过学习对网络进行训练,利用此网络对划分出的东坡井田的评价单元进行评价取得了良好的效果。     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。