青磁窑矿峒室自燃火灾处理与分析

青磁窑煤矿电机车库与930回风大巷联络巷处产生大量一氧化碳,经过理论分析和现场勘测,确定了事故发生的原因,通过采取均压方法和灌注石膏、罗克休等封堵材料,彻底消除了火患,使矿井恢复了生产.本文对今后处理类似事故具有很强的借鉴作用.     

用于故障模式识别的自适应模糊训练BP网络

针对ＢＰ算法固有的收敛速度慢和局部极小等问题,在对已有ＢＰ改进算法进行研究的基础上,提出了用于在线故障模式识别的自适应模糊加速训练算法,可在网络学习过程中,通过模糊推理,对网络拓扑结构、学习因子、惯性因子及激励函数进行自适应调整,实例验证表明该算法具有收敛速度快、不易陷入局部极小、网络综合性能好等特点。     

基于生态遗传算法的煤矸石自适应模糊模式识别

给出煤矸石组分模式识别的模糊神经网络模型，提出一种实用生态算子，同时将此基础上构建的生态遗传算法用于模糊神经网络的离线学习，能有效避免传统BP算法学习速度慢、易陷入局部极小的缺陷和基本遗传算法的遗传滑脱现象．仿真和实验结果显示新算法使离线训练的网络具有良好的收敛性能，而且从训练好的定量网络中提取模糊规则用于原煤的在线自动分选，不仅能提高煤中矸石的识别率，而且有效解决了系统识别精度与实时分选之间的矛盾．     

隧道施工期岩爆超前地质预报方法探讨

为解决硬质岩隧道高地应力环境下岩爆预测方法少,预测准确度不高的难题,本文通过分析隧道勘察期地应力和施工期岩爆特征,基于沟谷型岩爆首次提出TSP物性参数预测岩爆段落的方法,并形成了一套岩爆分析的全序列预测体系(岩爆环境分析、物探长距离预测、微震监测近距离预警、现场观听),可远、中、近有层次预测岩爆风险。研究成果表明：(1)小于500 m埋深的沟谷型岩爆有沿洞轴向呈“链式”发生的特点,深埋大于800 m的深埋型岩爆具有一定离散性。(2)满足动态弹性模量>70 GPa,静态弹性模量>60 GPa,密度>2 800 kg/m³,泊松比<0.25,横波波速v_S>3 200 m/s,纵波波速v_P>5 500 m/s,发生岩爆可能性更高;(3)掌子面炮孔钻进明显缓慢,少量有堵孔现象,爆落有效进尺小于炮孔深度,人耳偶尔可听到围岩表层有爆裂声,声响剧烈且持续时间长,发生岩爆风险更高;本文研究成果和手段可为类似高地应力环境下岩爆预测和防控提供参考,具有推广意义。     

风峒的标定方法及风表校正

根据《煤矿安全规程》,煤矿所使用的风表都要用一种叫做风峒的仪表定期进行校正。由于在运输和安装等方面的问题,会使风峒本身具有一定的误差。因此,新安装起来的风峒必须进行标定。本文较为全面地论述了风峒的两种标定方法:风表法和皮托管法,并较为详细地论述了校正风表的一些具体作法。     

基于神经网络的地下巷峒工程的数值模拟智能分析方法

针对在地下巷峒工程数值模拟中以常规输出数据进行的传统分析过程 所存在的问题，提出了基于神经 智能分析方法，探讨了基于这种方法的两个应用模式。     

深孔孔内、孔间微差预裂爆破技术在破碎峒室工程爆破中的应用

介绍了大孤山铁矿在矿石三期破碎系统的建设过程中,采用垂直深孔爆破技术挖掘破碎峒室,使挖掘工期大幅度缩短。在爆破设计及施工过程中,成功地运用孔间、孔内微差预裂爆破技术,达到了较佳的技术经济效果,为国内类似的工程爆破提供一些有价值的借鉴。     

深孔孔内、孔间微差预裂爆破技术在破碎峒室工程爆破中的应用

介绍了大孤山铁矿在矿石三期破碎系统的建设过程中,采用垂直深孔爆破技术挖掘破碎峒室,使挖掘工期大幅度缩短.在爆破设计及施工过程中,成功地运用孔间、孔内微差预裂爆破技术,达到了较佳的技术经济效果,为国内类似的工程爆破提供一些有价值的借鉴.     

岩爆分类的人工神经网络预测方法

采用人工神经网络原理，选取影响岩爆的一些主要因素，如地应力、岩石抗压强度、抗拉强度等作为输入参数，建立了岩爆分类与预测的神经网络模型．利用国内外一些工程实例作为学习和训练的样本，并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测．研究表明，与其他岩爆预测方法比较，人工神经网络模型更具有客观性和有效性．     

模式识别的协同学方法

通过大量的数值计量、决定了Ｈａｋｅｎ能量表达式中的３个待定系数，用２个例子证实了所确定的系数的正确性，并且演示了应用Ｈａｋｅｎ理论进行模式识别的基本过程。     

基于统计空间映射的自学习模式识别方法

针对生产工况实测数据不能覆盖整个数据空间的现象，提出了一种基于统计空间映射的自学习模式识别方法．通过实测数据的仿真实验验证了该方法的有效性．     

冷轧带钢板形检测信号模式识别方法的进展

结合板形控制技术的发展，阐述了板形检测信号模式识别方法的发展过程。分析比较了各主要模式识别方法的特点。对板形模式识别方法的发展趋势进行了讨论。     

一种新的神经网络畸变不变模式识别方法

本文以Ｗｉｄｒｏｗ等人的方法为基础，提出一种新的神经网络畸变不模式识别方法－－最小距离畸变不变模式识别网络。数值模拟显示，新方法具有完全的畸变不变性，相当高的识别精度、实时的识别速度、强大的抗噪能力、极短的自适应时间以及显著降低的运算量。     

统计模式识别的研究

模式识别的基本目标就是在有监督和无监督的情况下进行分类,在模式识别的各种模型中,基于统计的方法已经被广泛的研究并应用于实际.一些新的技术和方法的引入（神经网络和支持向量机方法）也促进了该领域发展,文章研究了基于统计的模式识别的进展情况,给出了模式识别的概念、原理、方法并对各种方法进行了相关的评述.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·     

彩色模式识别中的神经网络

提出实拍标准彩色集、建立纠偏数据库的方案，以减轻偏色的影响；构造一个两级人工神经网络系统，分别为纠偏数据库的快速匹配、色彩集的快速变换提供了保证。     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

一种新的协同模式识别学习算法

在协同模式识别中，学习可以归结为求原型向量和伴随向量．文中提出了一种基于核函数映射的学习算法，输入向量被隐式地映射到一个可分性有所提高的向量空间，然后计算变换后的原型向量．对伴随向量增加一个附加的约束以避免它的范数超过一定值，从而改善伴随向量的性能，减少误识别．通过对数字、英文字母和汉字等的训练实验表明，这种算法得到的伴随向量能更好地表示样本的特征，计算所得的初始序参量能更好地反映测试图像与训练样本之间的相似程度．