矿井构造定量评价的原则和方法

给出了矿井构造定量评价的基本原则、技术路线、方法要点及其计算机软件系统简介。     

荆草坪井田构造分布规律的分析及预测

对井田以及井田周边环境做认真、细致的考察，预测矿井构造，合理布置井田，可推动矿井的有效开采。笔者试以永兴县塘门口镇荆草坪矿井为例，来剖析如何根据外部环境来预测井田的矿井构造，为开采布置提供依据。     

兴隆庄井田小构造特征研究

研究了井田构造的基本特征，并依据勘探和生产揭露资料，分析了井田小构造，特别是小断层的发育特征和规律，以及对煤矿综采生产的影响，探讨了地质构造的形成机制。研究表明，构造分布具有一定的规律性，井田内的水文地质条件受控于地质构造条件，大型断裂导水性较差，内部中小型断裂对矿井突水起控制作用。对煤矿生产具有一定的指导意义。     

井田断裂构造对侵入体的控制

针对大兴井田断裂构造、岩浆侵入体等影响煤矿生产的地质因素十分发育,对煤矿生产影响等问题,在综合分析大兴井田地质资料和井下调研的基础上,通过对井田断裂构造的发育、展布规律及侵入体空间分布规律研究,总结出断裂构造特征及对侵入体的控制作用,为大兴井田采掘生产提供一定的依据。     

南阳坡矿井井田开拓设计探讨

据南阳坡矿井具体的井上下条件,对南阳坡矿井的地面和资源条件进行了综合分析,确定了井田的井口位置方案,提出了井田采用分区开拓、分区通风、集中出煤的开拓方式以有效解决井田面积大带来的通风、运输困难,经过具体的技术经济比较,确定了南阳坡井田开拓方案,使矿井投资少,投产快,以提高矿井经济效益。     

顶峰山井田构造特征研究

通过地质勘探和井下地质调查，总结了顶峰山井田的构造特征，初步探讨了井田的构造成因和构造对煤厚的影响。     

顶峰山井田构造特征研究

通过地质勘探和井下地质调查,总结了顶峰山井田的构造特征,初步探讨了井田的构造成因和构造对煤厚的影响。     

河北省唐山市宋家营井田构造分析

宋家营井田位于河北省唐山市丰南区，在厚层的新世界之下保存了完整的石炭～二叠纪的煤层。成煤以来，经过多期次构造运动，对石炭～二叠纪煤层的赋存产生较大影响。井田中的主干构遗宋家营背斜将井田分成东西两个独立的含煤区，破坏了整个井田煤层的连续性．完整性。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

基于人工神经网络的突出矿井分级方法

应用人工神经网络理论与方法建立了突出矿井分级的BP网络模型 ,并用该模型对部分突出矿井进行了突出危险等级划分尝试。结果表明 ,该方法较为简便、分级可判性强 ,用于突出矿井分级是可行的。     

应用人工神经网络确定评价指标的权重

阐述了如何利用人工神经网络方法确定评价指标的权重,以消除以往权重确定过程中人为影响及缺乏动态性这一弊端,具有一定的实用意义。     

基于神经网络专家系统的创业企业信用等级评估研究

该文从风险投资机构的角度，研究了创业企业的信用评价构建的基本原则，并给出相关的评价指标体系及评价因素集。引入人工智能中的神经网络理论，建立了神经网络专家系统信用评估模型。实例检验表明，该模型能较好地对创业企业的信用进行综合评估。     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

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。     

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。     

改进型BP神经网络用于有机物毒性的QSAR研究

引进改进型自相关拓扑指数,以基于动量-自适应学习率调整算法的BP神经网络原理研究了36种有机污染物对发光菌的半数发光抑制率EC50的定量结构-活性相关关系,建立了相应的网络模型,用于未知有机物毒性的预测,其准确性明显优于传统的多元线性回归法,取得了令人满意的结果.     

深部开采岩爆预测的神经网络方法

岩爆是深部高地应力岩石地下工程中的一种常见灾害,其影响因素之间存在着极其复杂的非线性关系。在综合分析基础上,选取开采深度、围岩最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度和抗拉强度比值、岩石冲击性倾向指数作为岩爆预测的评判指标。应用人工神经网络方法,建立了岩爆预测的计算模型,利用国内外一些深部开采、岩石地下工程资料作为学习样本和测试样本对模型进行训练。该模型成功应用于某矿巷道的岩爆预测,预测结果与实际情况一致,此研究为深部开采岩爆预测提供了新的途径。     

人工神经网络-近红外光谱法定量分析Cofrel粉末药品

用人工神经网络(ANN)解析Cofrel药品的近红外(NIR)漫反射光谱， 实现了对其有效成分磷酸苯丙哌啉的精确快速定量测定. 设计了最好的ANN模型. 分别讨论了输入层和隐含层节点数对测定结果的影响. 用HPLC法的测定结果作为标准， 磷酸苯丙哌啉浓度预 测值的相对误差RE (%)＜4.0%， 可以应用于Cofrel药品实际生产中的质量控制.     

人工神经网络-近红外光谱法非破坏定量分析Norvasc药片

用人工神经网络(ANN)解析Norvasc药片的近红 外(NIR)漫反射光谱, 实现了对其中有效成分苯磺酸氨氯地平精确的非破坏定量测定. 设计了最佳的ANN模型, 分别讨论了输入层和隐含层节点数对测定结果的影响. 以HPLC法的测定结果为标准, 苯磺酸氨氯地平浓度预测值的相对误差RE(%)＜4.2%.