基于改进的反向传播神经元网络复杂煤岩层对比方法研究

为了提高复杂地区煤岩层对比的准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本文把求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法有机地结合起来,取长补短,用于复杂地区煤岩层对比。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络进行复杂地区煤岩层对比工作。本文利用测井曲线采用小波变换分析沉积旋回,并用于煤岩层对比。该新方法在钱营孜煤矿的复杂煤岩层对比中,取得了较好的效果,比常规的单一方法和简单的组合方法效果要好。     

基于人工智能的矿井水害水源自动识别方法研究

为了提高识别水害水源的正确率,本文给出了对地面水质化验分析的多个指标的单位归一化的方法,转化为与单位无关的数据,然后再归类识别的方法。综合了自下向上和自上向下分类识别方法的优点,提出了一种能够自动地进行水源(类)的合并、分裂和吸取中间结果所得到的经验的新的水害水源识别方法,实验和生产实践证明该方法效果较好。