金属矿山岩层移动角选取的BP神经网络模型及工程应用
矿
冶
Ｖ １ ２ ，Ｎｏ ４ ｏ． ０ ．
Ｍ Ｉ ＮＧ ＆ Ｍ ＥＴ Ｌ ＵＲＧ Ｙ ＮＩ Ａ Ｌ
Ｄｅ ｅ ｅ ２ １ ｃ ｍｂ ｒ ０ ｌ
文 章 编 号 ：０ ５７ ５ （０ １ ０ —０ ９０ １０ —８ ４ ２ １ ）４０ ０ — ６
ＡＢＳＴＲＡ ＣＴ ：Ｔｈ ｓ ｍｐ ｒａ ｔｐ ｒ ｍ ｅｅ ｏ ｓｕ ｙ ｔ ｅ ｓｒ ｔ ｖ ｍｅ ｔａ ｄ ｓ ｂ ｉ ｅ ｃ ｓｍｏ ｉ ｇ ａ ｌ ｆｓｒ ｔ． ｅ ｍｏ ｔｉ ｏ ｔｎ ａ ａ ｔ ｒｔ ｔ ｄ ｈ ｔａａ ｍｏ ｅ ｎ ｎ ｕ ｓｄ ｎ ｅ ｉ ｖｎ ｎｇｅ ｏ ｔａ ａ
ｉ ｌｎ ｎ ｆｌｉ ｇ ｍ ｉ ｅ，ｔ ｄ ｌｆｒｃ ｌ ｕ ａｉ ｇ ｔ ｅ ｄ ， ｌｃ ｍ ｅ ｔａ ｇｅ ｆｓｒｔ ｓｅ ｔ ｂ ｉｈｅ ｙ ａ ｐｙ ｎ ｈ ｍｐ ｏ ｅ ｈｅ ｍｏ ｅ ａｃ ｌｔｎ ｈ ｉｐ ａ ｅ ｎ ｎ ｌ ｓｏ ｔａ ａ ｉ ｓａ ｌｓ ｄ ｂ ｐ ｌｉ ｇ ｔ ｅ ｉ ｒ ｖ ｄ ＢＰ ｏ ￣ ｎ ｕｒ ｌｎ ｔ ｒ ｏ ｅ ，ａ ｄ ｔ ｒ ｃ ｓｏ ｆｔ ｅ ｍｏ ｅ ｓｆ ｔ ｅ ａｉ ａ ｅ ． Ｔｈ ｅ ｕ ｔ ｈｏ ｔ ａ ｈ ｒ ｓ ａ ｓｒ ｎｇ ｅ ａ ｅｗｏ ｋ ｍ ｄ ｌ ｎ ｈｅ ｐ ｅ ｉｉ ｎ ｏ ｌ ｄ ｌｉ ｕｒｈ ｒ ｖ ｌｄ ｔ ｄ ｈ ｅ ｒ ｓ ｌ ｓ ｗ ｈ ｔｔ ｅ ｅ ｉ ｔｏ ｓ ｎ ｎｌ ａ ｈ ｒ ｔ ｒｓｅｃ ｔ ｅ ｈ ｅｅ ｔｆ ｏ ｓａ ｄ ｓｒ ｔ ｏ ｅ ｎ ｎｇｅ，ｔ ｅ ａ ｔｃｐ ｎ ｎ ｈ ｃｕａ ｕ ｐ ｔ ｏ ｉ ｒｃ ａ ａｅ ｉｔｉ ｓｂｅｗｅ ｎ ｔ ｅ ｓ ｌ ｃ ｍｔｒ ｎ ｔａａ ｍ ｖ ｍｅ ｔａ ｌ ｎｅ ｉ ｈ ｎ ｉｉ ａ ｔａ ｄ ｔ ｅ ａ ｔ ｌｏ ｔ ｕ ｒ ｓ ｌ ｒ ｅ ｙ ｓｍ ｉ ｒ Ｔｈ ｄ ｌｉ ｐ ｉｄ ｎ ｐ ｅ ｉ ｔ ｇ ｍｏ ｉ ｇ ａ ｇｅ ｏ ｔａａ ｏ ｈ ｚｓ ａ ｏ ｐ ｒｍ ｉ ｅ ｕ ｔ ａ ｅ ｖ ｒ ｉ ｌ ． ｓ ａ ｅ ｍｏ ｅ ｓａ ｐｌｅ ｉ ｒ ｄ ｃ ｉ ｖ ｎ ｎ ｌ ｆｓｒｔ ｆＳ ｉｉｈ ｎ ｃ ｐ ｅ ｎｅ，ａ ｄ ａ ｎ ｎ — ｃ ｉ ｖ ｄ ｃ ｎ ｉ ｅ ａ １ ｆｅ ｔ． ｈ ｅ ｅ ｏ ｓｄ ｒ ｂ ｅ ｅｆ ｃｓ Ｋ ＥＹ Ｏ ＲＤ Ｓ： ＢＰ ｎ ｕｒｌｎ ｔ ｒ Ｗ ｅ ａ ｅｗｏ ｋ；ａ ｇｅ ｏ‘ ｔａ ａ ｍｏ ｅ ｎ ；ｍｅ ａ ｎ ｎ ｌ ｔｓｒ ｔ ｖ ｍｅ ｔ ｔ ｌｍｉｅ；ｃ ｖｎ ｔ ｏ ａ ｉ ｇ ｍｅ ｈ ｄ；ｆ ｌｎ ｔ ｏ ｉ ｉ ｇ ｍｅｈ ｄ ｌ
ＢＰ ＮＥＵＲＡＬ ＮＥＴＷ ＯＲＫ ＯＤＥＬ Ｔ０ Ｐ Ｍ ＲＥＤＩ ０Ｔ１ ＣＴ Ｍ ０Ｎ ＡＮＧＬ Ｅ ０Ｆ Ｍ ＥＴＡＬ Ｍ Ｉ ＮＥ ＡＮ］ Ｉ ＰＬ ＣＡＴ１ Ｎ Ｄ ＴＳ ＡＰ Ｉ ０Ｎ Ｉ ＥＮＧＩ ＮＥＥＲＩ ＮＧ
Ｇ Ｏ Ｙ ｎｈ ｉ Ｈ Ｕ Ｋ －ｅｇ Ｓ Ｎ Ｈ ａ ｅ Ｕ ａ —ｕ Ｏ ｅ ｎ Ｕ ｕ ｆｎ ｐ
（ ａｕｔ ｏ ｎ ｅ ｕｃ Ｅ ｇｎｅ ｎ ， ｕ ｍｉ ｎｖ ｓｙｏ ｃ ｎｅａ ｄＴｃｎｌ ｙ Ｋ ｎ ｉｇ６ ０９ ， ｈｎ ） Ｆ ｃ ｌ Ｌ ｄＲ ｓ ｒ ｎ ｉ ｒ ｇ Ｋ ｎ ｎ Ｕ ｉ ｒ ｔ ｆ Ｓｉ ｃ ｎ ｅｈ ｏ ｇ ， ｕ ｍ ｎ ５ ０３ Ｃ ｉ ｙｆ ａ ｏ ｅ ｅｉ ｇ ｅ ｉ ｅ ｏ ａ
与 期 望 输 出基 本 吻合 。将 所 建立 的 网络 模 型应 用 于狮 子 山 铜 矿 地 下 开 采 岩 层 移 动 角 的 预 测 ， 得 了较 取
好的效果。
关键词 ： Ｐ Ｂ 神经 网络 ； 岩层移动角 ； 金属矿 山； 崩落采矿法 ； 充填采 矿法 中 图 分 类 号 ： Ｄ ５ ． Ｉ Ｔ ８３ ２ 文献 标 识 码 ： Ａ ｄ ｉ ０３ ６ ／． ｓ． ０５７ ５ ．０ １ ０ ．０ ｏ ： ．９ ９ ｊｉ ｎ １ ０ － ４２ １． ４０ ３ １ ｓ ８
Ｃｏ ｒ ｃ ｅ ｅ ｍｉ ａ ｉｎ ｏ ｈｅ ａ ｇ ｅ ｏ ｔａａ ｍｏ ｅ ｎ ａ ｈ ｘｒ ｍ ｅｙ ｖｔ ｌｓｇ ｉ ｃ ｎ ｅｆ ｒｍｉ ｉ ｇ ｅ ｇｎ ｅ ｉ ｇａ — ｒｅ ｔｄ ｔｒ ｎ ｔｏ ｆｔ ｎ ｌ ｆｓｒｔ ｖ ｍｅ ｔｈ ｓｔ ｅ ｅ ｔｅ ｌ ｉ ｉｎ ｆ ａ ｃ ｏ ｎ ｎ ｎ ｉ ｅ ｒｎ ｒ ａ ｉ ｒ ｎ ｅ ｎ ． Ｂａ ｅ ｎ ａ ｌｒ ｅ ｎ ｍｂｅ ｆｒ ｓ ａ ｃ ｅ ｕ ｔ ｆｍ ｏ ｉ ｇ ａ ｇ ｅｏ ｔａ ａｉ ｍ ｅ ｔ ｎ ｏ ｅｇ ａ ｉ ｇａ ｄ ａ ｇ ｍｅ ｔ ｓ ｄ ｏ ａｇ ｕ ｒｏ ｅ ｅ ｒ ｈ ｒ ｓ ｌｓｏ ｖ ｎ ｎ ｌ ｆｓｒ ｔ ｎ ｄｏ ｓｉ ａ ｄ ｆｒ ｉ ｎ ｃ ｖ ｎ ｎ ｃ
金 属 矿 山岩层 移 动 角选 取 的 Ｂ Ｐ神 经 网络模 型 及 工 程 应 用
郭延辉 侯 克 鹏 孙 华 芬
Байду номын сангаас
（ 昆明理工 大 学 国土 资源工 程 学院 ， 昆明 ６ ０ ９ ５ ０ ３）
摘 要 ： 研究岩层移动与沉 陷最重要 的角值参数是移动角 ， 正确确定岩层移动角与移动范围对于矿 山
工 程 布 置具 有 非 常 重 要 的 意 义 。本 ：在 分 析 国 内外 大 量 金 属 矿 山崩 落 法 与 充 填 法 开 采 岩 层 移 动研 究 成 乏 果 的基 础 上 ， 用 改进 的 Ｂ 采 Ｐ神经 网 络算 法 建立 了金 属 矿 山岩 层 移 动 角 选 取 的模 型 ， 对 模 型 的 预 测 精 并 度 进 行 了 验 证 。 结 果 表 明 ， 选 取 的各 因 素 之 问 与岩 层 的移 动之 间存 在 着 较 强 的 非 线 性 规 律 ， 际输 出 所 实
BP神经网络方法在大坝基岩变形监测中的应用
维功能 ， 是一个 具有 高度非线 性的大规模 连续 时间 自 应信 息处 适 维数或 提取 的特 征组数 ； 出节点数取输 出空 间的维数 。隐含层 输 理 系统 ， 其最主要的特征为连续时间线性 动力学 网络 的全局 联动
将最终影 响模型 的拟合及预报效果 … 。
从而得 到合 适 的网络连 接权 ， 对新 的样本 进行 识 度上 已无法完全描述大坝安全监测 量之 间的非线性 映射 关系 ， 并 到设定 的要求 ， 人工神经 网络是在对人脑认识 的基 础上 ， 拟人脑 结构 的思 模 Ｂ Ｐ神经 网络 的输 入层 和输 出层 的节 点数 由应用 要 求决定 。 输入节 点数一般 等于要训 练的样本 矢量维数 ， 以是 原始数 据的 可
— —
激活 函数 ， Ｓ型 、 如 线性 、 竞争 层 、 和线 性等激 活函数 ， 饱 使设 计者 对所选定 网络输 出的计算 ， 变 为对激 活函数 的调 用 。另 外 ， 转 可 以根据各种典型 的修正 网络权值 的规 则 ， 加上 网络 的训练 过程 ， 利用 Ｍａ ａ 语 言编写各种 网络 权值训 练的子程序 。这样一来 ， ｔｂ ｌ 网
载等 因素 的影响 ， 而这些 因素对大坝位移 的影 响往往无 法用 确切
则 反向传播 ， 将输 出信号 的误差 按原来 的连 接通路 返 回， 过修 通 改各层神经元 的权值 ， 使误 差减 小。如此反 复进 行 ， 至误差 达 直
别 ］ 。
基于BP神经网络的冲击地压预测(全文)
基于BP神经XX络的冲击地压预测1冲击地压的影响因素1.1影响冲击地压的主要采矿自然因素（1）开采深度，随着开采深度增加和开采范围的扩大，冲击地压危险增加。
（2）煤层和顶底板岩石的性质和特性（3）煤层倾角护参，煤层倾角对采煤工作面的矿压显现有着较大的影响。
（4）煤层厚度及其变化，冲击危险程度与煤层厚度及其变化紧密相关。
1.2影响冲击地压的主要地质动力因素（1）地质构造条件（2）断层冲击地压发生条件（3）褶皱构造的影响（4）地质异常区域1.3开采技术对冲击地压发生的影响因素（1）煤柱和孤岛煤体（2）采空区（3）放炮（4）顶板操纵（5）采掘顺序（6）采煤方法1.4冲击地压危险性等级确定这样，就可根据采矿自然、地质动力条件对冲击地压危险状态的影响因素及指数表，用公式1来确定采掘面周围采矿自然、地质动力条件对冲击地压危险状态的影响程度及确定其指数。
可评价该区域冲击地压危险程度及等级，如表1所示。
2 BP神经XX络预测冲击地压的设计实现2.1冲击地压演化过程的数学描述由于冲击地压的动态演化过程是一个复杂的非线性动力学系统。
因此，其演化建模2. 2神经XX络的设计BP模型属于多层次的人工神经XX络，又名“误差逆传播算法”。
2.2.1XX络输入影响冲击地压的危险程度指标定为三个：采矿自然因素y1、地质动力因素y2和技术因素y3，上述三个一级指标又可分成若干次一级指标，所有指标共15项构成，如表3所示。
BPXX络输入层节点的数目取决于数据源的维数，输出层节点数取决于对研究对象的分类。
根据对煤矿多年的动力现象的分析研究，把影响发生冲击地压的因素归纳为10类和4个等级，即无冲击、弱冲击、中等冲击和强烈冲击4类。
2.2.2模型建立输入层和输出层节点数的个数往往是由具体问题决定的。
BPXX络的输入层节点数为13，输出层节点数为2。
输出层取2个神经元，以表示冲击地压类型，即（0，0）表示无冲击地压，（0，1）表示有轻微冲击地压，（1，0）表示有中等冲击地压，（1，1）表示有强烈冲击地压。
BP神经网络算法及应用
《非线性系统预测分析方法》课程作业——BP神经网络算法及应用学院：班级：姓名：学号：指导老师：昆明理工大学国土资源工程学院资开系摘要本文分析了神经网络算法的基本原理，给出了BP神经网络算法的具体实现方法，总结了它的特点，并给出了基本流程。
结合2000-2009年间的全国煤矿统计数据,建立了预测模型,以计算机软件Matlab为平台,结合BP神经网络学习算法对10年间的煤炭产量、死亡人数和百万吨死亡率进行了预测分析。
结果表明,检测样本的期望输出与模拟输出线性回归分析时的线性相关系数均在0.91以上,说明了BP神经网络较好的拟合效果。
关键词：神经网络；预测分析；百万吨死亡率AbstractThis paper analyzes the basic principle of the neural network algorithm and gives the specific method of BP neural network algorithm.The characteristics of the neural network is summarized and basic process of the neural network algorithm is given.On the basis of the statistic data of coal mines in China from 2000 to 2009, a fore-cast model is established. With computer software MATLAB as the operating platform and BP neural network learning algorithm, the authors present in this paper a forecast of coal production, death toll and mortality rate per million tons of coal produced during this ten-year period.The results show that linear correlation coefficients of the expected output of the samples tested and the simulation output linear regression analysis are all above 0.91. This indicates that BP neural network algorithm have a good application prospect over safety forecast in coalmines.Keywords:Neural Network；Forecast and Analysis；The fatality rate per million tonnes of coal produced引言近年来全球性的神经网络研究热潮的再度兴起，不仅仅是因为神经科学本身取得了巨大的进展。
神经网络在选矿中的应用
神经网络在选矿中的应用[摘要] 神经网络在选矿中的应用主要针对矿石可选性预测、选矿生产指标预报问题，建立相应的遗传神经网络模型。
本文主要对基于人工神经网络的非线性建模在不同的选别方法下应用的优势与不足进行理论分析。
[关键词] 人工神经网络浮选磁选重选1. 前言神经网络在矿业工程中的应用是从90 年代才开始的，主要应用于水力旋流器、磨矿回路、浮选回路、碳金浸出过程、试验研究这几个方面非线性建模及控制。
采用的神经网络一般为多层前馈模型，BP 学习算法。
由于神经网络具有鲁棒性、强适应性、可处理含噪信息等特点，预计将在选矿领域得到更加广泛的应用。
2. 人工神经网络简介2.1 人工神经网络人工神经网络是借鉴人类大脑和神经系统贮存、处理信息的某些特性而抽象出来的一种数学模型，这种模型为求解诸如多维、高阶问题提供了新的手段和方法。
人工神经网络的研究要以神经生理学为基础。
人工神经网络的模型辩识主要包括确定模式结构、估计模型未知参数和检验模型效果三个内容。
当采用神经网络模型进行模型辩识时，这三个内容就相应的变成网络拓扑结构的选择、学习训练以及网络泛化能力的检验。
20 世纪80 年代Rumelhart 和Willian 提出了最有影响的多层网的BP ( back propagation) 学习算法，解决了多层感知器的学习问题，引起了多层网研究的热潮。
目前BP 学习算法是人工神经网络模型中最为重要的、研究最为透彻的、应用最为广泛的模型。
2.2 神经网络系统的基本原理一个BP 网络由多个网络层构成，其中包括一个输入层、一个或几个隐含层、一个输出层，层与层之间采用全互连接，同层神经元之间不存在相互连接。
BP 网络的学习过程由前向传播和反向传播组成，在前向传播过程中，输入模式(信号) 经输入层、隐含层逐层处理，并传向输出层，其传播和输出过程可用式(1) 表示：0j = f ( ΣWij -θj ) (1)式中0j —节点j 的输出；Xj —节点j 的输入向量；Wij —节点i 与j 之间的连接权值；θj—神经单元阈值；f —非线性作用函数，一般取f ( t ) = 1/ (1 + e - t) 。
地表沉陷预测的改进BP神经网络模型
地表沉陷预测的改进BP神经网络模型
姜燕;连晗;席东河
【期刊名称】《金属矿山》
【年(卷),期】2024()2
【摘要】为了更加准确地预测地表沉陷变形,基于Adaboost算法采用多网络共同计算策略改进了BP神经网络,通过实际沉降数据对Adaboost算法改进后的神经网络进行训练,预测地表最大下沉量、影响角正切和拐点偏移距,将预测的3个参数代入概率积分法中,建立了地表沉陷公式,对改进效果和地表沉陷公式分别进行了验证。
结果表明:(1)通过对比改进前后BP神经网络的计算精度,未经过Adaboost算法改进的BP神经网络误差明显大于改进后的BP神经网络,说明基于Adaboost修正后的BP神经网络计算精度得到了有效提升;(2)基于BP神经网络对最大下沉量、影响角正切和拐点偏移距3个参数进行预测,结合概率分析法,能够实现稳沉后采空区主断面上方地表沉降规律的准确描述。
以鲁西南地区某矿3301采空区地表为例,利用改进BP神经网络预测了地表最大下沉量、影响角正切和拐点偏移距,进而给出了地表沉陷曲线,与现场实测结果对比显示:改进BP神经网络的最大误差小于
0.105 m,最大相对误差为4.3%,证明了所提计算方法的可靠性。
【总页数】7页(P205-211)
【作者】姜燕;连晗;席东河
【作者单位】河南工业职业技术学院电子信息工程学院
【正文语种】中文
【中图分类】TD325
【相关文献】
1.矿区开采沉陷预计的改进BP神经网络模型
2.基于Adaboost的改进BP神经网络地表沉陷预测
3.基于GRA-PCA-BP神经网络模型的地表下沉系数预测分析
4.改进的BP神经网络预测地表沉陷
因版权原因，仅展示原文概要，查看原文内容请购买。
钢铁工业BP神经网络运用思考
钢铁工业BP神经网络运用思考人工神经网络（ArtificialNeuralNetworks，即ANN）是20世纪80年代发展起来的一种模仿生物结构和功能的信息处理系统，它具有自组织、自学习、自适应、快速处理、高度容错、联想记忆以及可以逼近任意复杂的非线性系统等独特优点。
在材料科学与工程领域中，人工神经网络在处理材料科学的许多问题中发挥了巨大作用，已普遍用于材料设计与成分优化、材料的智能加工与控制、材料加工工艺的优化、材料相变规律研究与相变点预测、材料性能及缺陷预测等方面［1-6］。
在钢铁工业中，基于误差反向传播网络（BackPropagation，即BP算法）的神经网络以其结构清晰、可操作性强等优点而成为钢铁工业中使用最广泛的一种人工神经网络模型。
1BP神经网络简介1986年，Rumelhart，Hinton和Williams完整而简明地提出一种ANN的误差反向传播训练算法（简称BP算法），系统地解决了多层网络中隐含单元连接权的学习问题，由此算法构成的网络我们称为BP网络。
1.1BP神经网络的基本原理BP网络的基本思路是将训练过程分为两个阶段，第一阶段正向传播，输入信息从输入层经隐含层单元处理后传向输出层，每一层神经元的状态只影响下一层神经元状态。
倘若在输出层得不到希望的输出，则转入第二阶段反向传播，将误差信号沿原来的神经元连接通路返回。
通过修改各层神经元的权值，逐次地向输入层传播进行计算。
这样，反复地运用这两个过程，使得误差信号最小，最后使得信号误差达到允许的范围之内。
1.2BP神经网络的神经元模型BP神经元的结构模式如图1所示，基于以下几点假定：其一，每一个神经元是一个多输入单输出的信息单元；其二，突触分兴奋性和抑制性两种类型；其三，神经元输出有阈值特性；其四，神经元输入与输出间有固定的时滞；其五，忽略时间的整合和不应期；其六，神经元本身是非时变的。
BP神经元的三个重要功能：一是加权-可对每个输入信号进行不同程度的加权；二是求和-确定全部输入信号的组合效果；三是转移-通过转移函数f（.），确定其输出。
BP神经网络矿产资源评价程序模块设计及其应用研究——以东天山铜镍硫化物矿床为例
BP神经网络矿产资源评价程序模块设计及其应用研究——以东天山铜镍硫化物矿床为例
李楠;肖克炎;郭科;白林;娄德波 【期刊名称】《国土资源科技管理》 【年(卷),期】2012(029)006 【摘 要】As a calculation model with high non-linear mapping ability, BP neural network has excellent abilities of non-linear approximation and high fault tolerance which make BP neural network useful in mineral resources assessment field. In the last few years, researchers have applied BP neural model in the assessment of targets and acquired some achievements. However, these applications did not analyze theatrical deficiency of neural network model and its effect on the results. This paper first applies the data of geology, geophysical prospecting, chemistry and remote sensing in 1 to 200000 scales to assess the targets of Cu-Ni sulfide deposit in the East Tianshan area. Secondly, the paper analyzes the two results sorted out by BP neural model based on different two groups of samples. Thirdly, it classifies the same data using the program based on the method of characteristic analysis. Finally, it compares and analyzes the two results and summarizes the key steps of mineral resources assessment based on BP neural network and verifies the classified result of BP neural network.%在深入研究BP神经网络算法的基础上,开发BP神经网络矿产资源评价功能模块并以东天山地区铜镍硫化物矿床为例开展成矿远景区预测工作.使用MRAS软件中的特征分析功能基于相同样本数据开展预测评价,并对两种模型产生的结果进行对比分析和交叉验证.证明BP神经网络程序的正确性,同时总结BP神经网络矿产资源评价应用的关键技术要点.
地下金属矿山岩层移动角与移动范围的确定方法研究
学位授予单位:中南大学
1.期刊论文王艳辉.宋卫东.蔡嗣经地下金属矿山崩落采矿法岩层移动规律分析-金属矿山2002,""(3)
针对地下金属矿山的岩层移动问题,以国内无底柱分段崩落法矿山为例,进行岩层移动规律调查分析.调查结果表明,由于地下金属矿床复杂多变的地质、采矿条件,使得采矿岩层移动预测存在很大的不确定性,矿山所设计的岩层移动角与实际开采的岩层移动角存在不同程度的差异.
本文链接:/Thesis_Y1325323.aspx
授权使用:贵州大学(guizdx),授权号:1c16938d-a853-4f42-8bbc-9d9f00a8c5b6,下载时间:2010年6月24日
中南大学
硕士学位论文
地下金属矿山岩层移动角与移动范围的确定方法研究
姓名:袁义
申请学位级别:பைடு நூலகம்士
专业:采矿工程
指导教师:赵国彦
20080401
地下金属矿山岩层移动角与移动范围的确定方法研究
基于MATLAB的BP网络在矿产资源预测中的应用
Series N o .374A ugust 2007金 属 矿 山M ETA L M I NE总第374期2007年第8期*国土资源部中国地质调查局 秦峰-松潘成矿区成矿规律与找矿方向综合研究 (编号:20010200015)。
李随民(1971 ),男,石家庄经济学院资源学院,博士,副教授,050031河北省石家庄市。
基于MATLAB 的BP 网络在矿产资源预测中的应用*李随民1姚书振2周宗桂2(1.石家庄经济学院;2.中国地质大学)摘 要 人工神经网络(ANN )是近几年兴起的一门综合交叉学科。
人工神经网络在进行预测时,是在输出和输入之间建立一个非线性眏射关系,ANN 可自动模拟各种成矿因素之间的自然关系,进行全局优化搜索,减少人为干预,提高资源预测的准确率。
其中以反向传播网络 BP 网络应用最广泛。
由于M ATLA B 提供了跟踪国外先进计算方法与数学模型的许多工具箱,利用M ATLAB 中的神经网络工具箱,可方便地实现BP 网络模型的学习、训练、拟合及预测(仿真)过程。
基于上述思路以陕西省旬北地区铅锌矿的远景区预测为例,在M ATLAB 平台中调用其内部函数建立了BP 人工神经网络矿产资源预测系统,并在此基础上进行了远景区预测。
关键词 MATLAB 人工神经网络(ANN ) BP 网络Applicati o n ofMATLAB -Based BP N erve N et work inM ineralR esource ForecastLi Su i m in 1Y ao Shuzhen 2Zhou Zonggui2(1.Sh i j i azhuang Co llege of Econo m y;2.Ch i na Universit y of G eosciences )Abstrac t A rtific i a l nerve net w ork(ANN )is an i nte rdisc i p li nary sub j ect risi ng in recent years .In forecast ,ANN w ill establi sh a non -li near reflecti on re lati on be t w een t he i nput and output,then auto m aticall y s i m u l a te the natura l relati on be -t w een the var i ous m ine ra liza ti on facto rs and carry out the whole opti m a l searching ,thus reduc i ng the hu m an i nte rventi onand i m prov i ng the accuracy o f t he resource forecast .T he back propagation net wo rk -BP net w ork is m ostl y used .A s MAT-LAB can prov i de m any tool boxes fo r traci ng t he fore i gn advanced co m puti ng m e t hods and m at hema ti ca lmode l s ,the l earn -i ng ,tra i n i ng ,fitti ng and forecast (si m u lati on)processes o f BP net wo rk m ode l can be conveniently rea li zed by usi ng thenerv e net wo rk too l box es i n MAT LAB .Based on t h is thought ,tak i ng as exa m ple the forecast for the lead -zi nc o re pro spect a rea i n X unbe i reg ion ,Shaanx i Prov i nce ,BP a rtific i a l nerve ne t w ork syste m for m i neral resource forecast i s set up by trans -ferring t he i nte rnal f unc ti ons on M ATLA B platf o r m,based on wh i ch the forecast for the perspecti ve area i s m ade .K eywords MATLAB ,A rtifi c ial nerve net wo rk(ANN )BP net wo rk中国秦岭铅锌矿带是世界上重要的铅锌矿带之一,近几年在南秦岭旬北地区的志留纪地层中又发现有层控铅锌矿床(点)的分布。
基于GA-BP神经网络的采空区地表沉降预测模型
基于GA-BP神经网络的采空区地表沉降预测模型
阳俊;曾维伟
【期刊名称】《矿冶工程》
【年(卷),期】2022(42)2
【摘要】为了提高采空区地表沉降预测准确性,选择上覆岩层弹性模量、泊松比、内聚力、内摩擦角、开采深度、采高、矿体倾角和采场尺寸共8项影响采空区沉降的指标进行研究,通过遗传算法(GA)优化BP神经网络,构建了GA-BP神经网络采空区地表沉降预测模型,对采空区地表沉降趋势初步预测与分析。
模型解算结果表明,相比传统BP神经网络预测模型,GA-BP神经网络预测模型在预测精度、拟合性能和收敛速度方面都有所提高。
【总页数】4页(P42-45)
【作者】阳俊;曾维伟
【作者单位】湖南有色金属职业技术学院;中南大学资源加工与生物工程学院【正文语种】中文
【中图分类】TD853.391
【相关文献】
1.基于BP神经网络的地表沉降预测模型
2.BP神经网络和灰色系统预测模型在深基坑地表沉降中的应用
3.基于GA-BP神经网络的高铁线下工程沉降预测模型
4.基于GA-BP神经网络的喷丸样品表层硬度预测模型
5.基于GA-BP神经网络的重庆市生活垃圾量预测模型研究
因版权原因，仅展示原文概要，查看原文内容请购买。