基于RST的海底采场顶板稳定性二级模糊评价方法

 为更加科学准确地评价海底采场顶板稳定性,提出一种基于粗糙集理论（RST）的采场顶板稳定性二级模糊评价方法。结合三山岛金矿海底开采实例,选取岩体抗压强度、岩石质量指标、节理平均间距、地下水状况、以及采场的深度、跨度、跨高比、周围扰动影响、顶板暴露面积、顶板最大暴露时间和支护措施等11项指标作为评价因子,采用连续分段函数和模糊语言变量隶属度取值表,分别确定连续性指标隶属度和离散型变量隶属度,并以12个采场为训练样本,采用粗糙集理论（RST）确定各指标权重,运用所建二级模糊评价模型,对12个采场样本逐一进行检验,正确率为100%;对-400m水平采场顶板稳定性进行评价,评价结果与该采场顶板的实际状况吻合,表明了该方法用于海底采场顶板稳定性评价的可行性。     

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。     

基于神经网络的采场底板分类与顶板来压预报

建立了长壁工作面底板分类及单体液压支柱底座选型的人工神经网络（ＢＰ网络）模型，并通过网络自适应学习与匹配联想，得出了采场底板类别与单体液压支柱底座型式相对应的结果。同时，通过邻城相互作用算法与ＢＰ网络耦合，预报了采煤工作面顶板来压。网络试验表明，所得结果与实际吻合良好。     

采场顶板控制及其因素的分析

本文介绍了采场顶板的控制,使之在有利于安全生产和工作面技术经济效益最大发挥。     

采场顶板破断规律及其应力状态的研究

本文用弹性理论方法分析了月亮田煤矿１３１２４采面顶板的破坏规律,并对采场顶板的应力状态进行了数值模拟,其结果与实测资料比较吻合,说明在月亮田煤矿的具体条件下,所用的分析方法是合理的,对其他采场的顶板来压的预测也具有参考价值。     

基于BP神经网络的课件点播学习质量评价模型

针对网上课件点播学习方式的特点,给出了学生学习质量的评价指标体系.采用数学变换将本质上不可比较的原始指标值进行标准化处理,使其具有可比性.利用BP神经网络模型,对学生学习质量进行评价,通过实验表明了评价模型的有效性.     

三山岛金矿采场顶板危岩体推测方法

在应用三维岩体不接触测量系统对采场顶板岩体结构面的几何特征参数进行识别基础上,自行研发三维岩体节理建模与分析系统,构建采场顶板三维岩体结构面空间分布模型.依据采场顶板岩体结构面的几何特征参数和延伸节理等结构面的空间特征,通过延伸节理等结构面的空间交汇,识别采场危岩体赋存的空间位置、形态、体积等,并对采场顶板危岩体稳定性进行判断.应用上述研究成果,对三山岛金矿新立矿区40055#采场顶板结构面进行现场测量,确定采场顶板危岩体空间赋存位置,为采场顶板稳定性分析和危险性评价提供更加真实、可靠的数据支持.     

采场坚硬顶板二次断裂的初步研究

通过相似材料模拟试验、力学分析、现场研究,指出坚硬顶板二次断裂是客观存在的,二次断裂位置决定了顶板与支护的稳定性。研究表明,二次断裂主要发生在煤壁处和切顶线处、也可能在煤壁前方,其决定于顶板厚度与悬顶距、支护阻力及煤体残余强度,通过改变支护阻力可以实现二次断裂位置的控制。     

薄煤层坚硬顶板采场围岩体三维应力状态的ADINA研究

以四川省达竹矿务局白腊坪煤矿薄煤层坚硬顶板采场为研究对象，应用ＡＤＩＮＡ结构分析有限元程序，在西门子计算机上模拟了０３１８工作面及其围岩的三维应力状态，得出该矿薄煤层坚硬顶板采场围岩的三维应力分布及其顶板的破坏规律。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本文针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络（ＡＮＮ）的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。进一步对ＢＰ模型的隐合层数和隐合节点数的选取进行定性的分析，同时探讨学习因子和动量项对学习收敛的影响分析，预测方法及结果得到肯定。     

利用神经网络法进行直接顶的分类

针对标准B-P神经网络算法存在学习速度慢的问题提出了改进算法。将改进后的神经网络模型应用于直接顶分类,不论是直接顶初次跨落步距的拟合值还是其预测值,神经网络法的计算精度均高于多元线性回归法。     

基于 BP 人工神经网络储集层参数面向微相预测法

为了提高ＢＰ人工神经网络学习速度和精度，以及对储参预测的效果，本文从学习样本着手，针对储集层不同的沉积微相，及其沉积环境等特点的不同，选取相应的学习样本模型——面向微相预测法。充分体现了样本典型性、代表性的地质意义。其效果比人们常规作法有显著的改善。     

基于人工神经网络的专家系统的建立

文章提出了一个基于人工神经网络的专家系统及其分层结构、知识获取和推理的方法，并将其用于生烃条件评价中。     

教学质量评价体系的神经网络模型

阐述了人工神经网络用于教学质量评价的设计思想和实现方法 .对传统教学质量评价方法进行了介绍与分析 ,给出应用神经网络进行评分与定级的网络结构设计方法和误差反传学习算法 ,并对所设计的教学质量评价神经网络进行了训练与实测     

人工神经网络在网壳结构稳定性计算中的应用

利用误差反向传播网络的算法，探讨了人工神经网络在网壳结构稳定性计算中的应用．分析结果表明，人工神经网络可以很好地预测网壳结构的极限承载力，并且优于回归计算公式．     

基于"人工神经网络"的旅游资源综合评价

基于人工神经元网络（ANN）在解决各种评价中特有优势与方法,根据旅游资源评价的主要内容及模拟的虚拟数据,建立了旅游资源的可开发性与其影响因素之间的ANN关系模型,利用该模型对各类旅游资源开发的可行性进行综合评价并归纳了应用人工神经元网络评价系统的主要优势．     

土壤侵蚀产沙量的人工神经网络模拟

在分析土壤侵蚀产沙过程和神经网络模型特点具有某些相似的基础上 ,采用三层前馈网络模型 (BP算法 ) ,模型的第一层有 5个结点 ,分别代表降雨强度、降雨历时、降雨量、前期降雨量 (用前 1 0天降雨总量表示 )、径流深 ;第三层只有一个结点 ,表示土壤侵蚀产沙量 ;隐层的结点数采用“试错法”确定为 3个。利用四川某地水土保持试验观测资料 ,对土壤侵蚀产沙量进行模拟及预测 ,通过分析比较 ,显示了具有较好的模拟预测效果     

煤层底板突水预报人工神经网络系统的研究

将人工神经网络技术应用于肥城煤矿区煤层底板突水预报中 ,并且开发研制成突水预报人工神经网络系统。人工神经网络的建模过程体现在它的训练学习中 ,它具有知识的自动获取功能 ,对突水预报问题可适性强 ,效果良好 ,易于推广。