共查询到19条相似文献，搜索用时 156 毫秒
1.
2.
3.
4.
5.
基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势. 相似文献
6.
留设断层防水煤柱是矿井预防断层突水的必要措施之一，特别在开采受岩溶水威胁的煤层而又有导水断层晨显得更为必要。谢一矿在开采４１采区受底板灰岩岩溶承压水的Ａ组煤时，根据具体的水文地质条件，先后计算并留设了Ｆ１３－８、Ｆ１５－１、Ｆ１３－５三条断层的防水煤柱，安全采出了７７．３万吨Ａ组煤。 相似文献
7.
根据地质资料,分析了下沟煤矿泾河下特厚煤层大面积综放开采的地质特点,为实现水体下安全回采,确定了在各工作面间留设一定宽度隔离煤柱的开采方案。通过相似材料模拟试验,分析了改本区地质条件下各综放工作面间留设一定宽度隔离煤柱对覆岩破坏的影响。研究证实,隔离煤柱对覆岩破坏起到有效的控制作用。根据试验得出的单工作面最大裂采比,通过最小防水安全煤岩柱垂高的计算,认为地质条件满足泾河下安全回采的要求。且研究成果成功指导了5个工作面安全回采,可为该区及类似条件其他矿井的开采提供参考 相似文献
8.
针对断层冲击地压问题,通过建立断层-煤柱变形系统,得到了断层错动型冲击地压的发生条件,并对其主要影响因素进行分析。结果表明:当采空区宽度一定时,载荷随煤层塑性区宽度的变化是先增大再减小,达到临界载荷前,临界断层保护煤柱宽度随载荷增大而增大;当载荷一定时,采空区宽度随煤层塑性区宽度的变化是先增大再减小,达到临界采空区宽度前,断层保护煤柱宽度随采空区宽度的增大而增大,则保证断层保护煤柱宽度大于临界断层保护煤柱宽度,可避免断错型冲击地压的发生;当断层抗剪强度较大时,留设较窄的断层保护煤柱,断层错动型冲击地压也不会发生。根据工作面走向与断层位置的关系,选择合适的方法计算临界断层保护煤柱宽度,可避免断层错动型冲击地压的发生。研究结果为有效防治断层错动型冲击地压提供理论依据。 相似文献
9.
金乡煤矿松散含水层下开采的水文地质研究 总被引：1，自引：0，他引：1
讨论了巨厚松散含水层下开采合理留设煤柱的问题。在分析金乡煤矿底部含水层水文地质条件的基础上,模拟实际开采情况,用数值法求得合理的防水煤柱尺寸为59m。应用地下水动力学原理,求得留25m防砂煤柱时的疏于水量为192m3/h。指出在金乡煤矿留设防砂煤柱是最合理的。 相似文献
10.
11.
12.
基于差异进化算法的前馈神经网络在大坝变形监测中的应用 总被引：1，自引：0，他引：1
针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。 相似文献
13.
用神经网络模型预测济宁市地下水水位变化规律 总被引：5，自引：1，他引：4
本文通过应用人工神经网络模型中的ＢＰ网络模型,对济宁市地下水水位变化规律了预测,并与线顺归模型的计算结果进行比较,证明ＢＰ网络模型的精度较高。 相似文献
14.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
15.
神经网络在岩体力学参数和地应力场反演中的应用 总被引：20，自引：7，他引：13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献
16.
应用自适应算法对BP网络进行改进，可以提高BP网络的收敛速度和全局寻优性能。在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率的神经网络模型为例，通过网络的学习、训练，建立测井解释神经网络模型。并应用此模型，定量计算出多口井的渗透率值，与常规渗透率计算结果相比，BP的解释结果及精度均令人满意，同时还取得了良好的实际应用效果。 相似文献
17.
A relatively novel technique, artificial neural networks (ANN), is used in predicting the stability of crown pillars left over large excavations. Data for the training and verification of the networks were obtained from the literature. Four artificial networks, based on two different architectures, were used. The networks used different numbers of input parameters to predict the stability or failure of crown pillars. Multi‐layer perceptron networks using mine type, dip of orebody, overburden thickness, pillar thickness, pillar length, stope height, backfill height, Rock Mass Rating (RMR) of the host rock and RMR of the orebody showed excellent performance in training and verification. Adding three more variables, namely pillar width, rock density and pillar thickness to width ratio, showed symptoms of over‐learning without degrading performance significantly. Radial basis function networks were capable of predicting crown pillar behaviour on the basis of few input functions. It was shown that mine type, dip and pillar thickness to width ratio can be used for a preliminary estimation of stability. Copyright © 2006 John Wiley & Sons, Ltd. 相似文献
18.
为提高水环境非线性时序预测模型的精度,用自相关技术分析水环境时间序列的延迟特性,确定径向基函数(RBF)网络的输入、输出向量,建立了水环境时间序列预测的高精度RBF网络模型.用32年海洋水温时间序列实测资料来训练和检验网络并用于预测.用该模型对长江流域望江楼站8年总硬度、高锰酸盐指数、五日生化需氧量、氨氮、溶解氧、挥发酚、镉、氯化物、硫酸盐等9种水环境要素时间序列进行预测.实例分析表明,所建模型预测误差均较小,好于门限自回归模型,BP神经网络模型和ELMAN神经网络模型.所建模型不仅精度高,而且收敛速度快. 相似文献