共搜索到2288条信息，每页显示10条信息，共229页。用时：0小时0分0秒267毫秒
基于BP神经网络的底板破坏深度预测于小鸽1,韩进1,施龙青1,魏久传1,朱鲁1,李术才21. 山东科技大学地质科学与工程学院2. 山东省岩土与结构工程技术研究中心摘 要:在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度,煤层倾角,开采厚度,工作面长度,底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国典型突水案例,构建基于BP神经网络的底板破坏深度的预测模型,确定建立BP神经网络所需的输入样本和检验样本,运用Matlab软件对网络进行训练,得出了优化的网络模型,并根据建立的网络模型预测肥城煤田曹庄井田8812和9604工作面的底板破坏深度.通过与实测结果对比,证明该网络模型的计算结果比相关规程提供的底板破坏深度经验公式计算的结果更接近......
基于BP神经网络的矿井提升机故障诊断研究 马云龙1,屈海峰2,李文江2 (1.阜新杰超煤矸石热电有限公司,辽宁,阜新,123000;2.辽宁工程技术大学电气与控制工程学院,辽宁,葫芦岛,125105) 摘要:介绍了一种采用BP神经网络故障诊断法对矿井提升机进行故障诊断分析的方法;以提升机运行状态为例,建立了BP神经网络故障诊断模型,并在Matlab环境下进行了仿真训练.仿真结果表明,基于BP神经网络的矿井提升机故障诊断模型收敛速度快,能够很好地预测提升机的故障类型及位置. 关键词:矿井; 提升机; 故障诊断; BP神经网络; Matlab; [全文内容正在添加中] ......
BP神经网络对陶瓷材料烧结性能预测的研究 罗民华1,王慧1,曾钧1,童晓濂1,曾令可1 (1.华南理工大学材料学院,广州510640) 摘要:用C++语言建立了BP神经网络模型,并用TZP陶瓷材料的烧结性能数据进行训练及预测.预测结果表明,BP神经网络可以用于陶瓷材料的烧结性能的预测,并且精度较高. 关键词:BP神经网络; 陶瓷材料; 烧结性能; [全文内容正在添加中] ......
改进BP算法用于液体发动机涡轮泵故障诊断黄志祥,张炜,杨正伟,田干摘 要:涡轮泵是液体火箭发动机系统的核心设备,工作环境十分恶劣,极易出现故障,所以对涡轮泵进行准确,快速的故障诊断显得尤为重要.因此提出了利用BP神经网络对其进行故障诊断.而常规BP算法存在收敛速度慢,易陷入局部最小等缺点,运用一种改进算法-自适应率BP算法,通过对液体火箭发动机涡轮泵的常见故障进行诊断.诊断结果表明,该改进算法具有收敛速度快,学习记忆稳定,诊断准确等特点.关键词:涡轮泵;自适应率BP算法;故障诊断;......
模糊控制BP网络的遥感图象分类方法研究 王桂梁1,李朝峰1 (1.中国矿业大学资源学院,) 摘要:针对遥感图象分类中经常采用的BP算法存在训练时间长,不易收敛等缺点,提出了一种改进方法,即采用模糊规则有效控制BP网络学习率的方法.该方法使网络具有自适应能力,从而不易陷入局部最小, 导致收敛速度大大加快,训练时间大大缩短.最后以徐州地区TM图象土地利用分类为例,将模糊控制BP网络模型同BP算法及学习率自调整算法进行了比较.结果表明新方法确实大大加快了网络收敛速度,一定程度上提高了图象分类精度,是一种有效的图象分类方法. 关键词:模糊控制; BP网络; 学习率; 图象分类; [全文内容正在添加中] ......
BP神经网络在爆破振动中的研究与应用冷智高,李祥龙,程明,宋春辉,陶子豪昆明理工大学国土资源工程学院摘 要:为准确地预测爆破结果,减少爆破振动对建筑的损伤和保障工人的安全,利用具有处理非线性问题能力的BP神经网络预测爆破结果.选取合格的爆破结果作为网络模型的学习样本,经过一定次数的训练学习后通过神经网络的前馈特性确定各层阈值和误差,完成对BP神经网络的建立,发现预测结果与真实结果相比的误差在10%以内.再结合PAC算法,POS算法或者MATLAB软件等优化网络后甚至可以将误差控制在5%以内.通过建立BP神经网络预测可以减少爆破作业带来的危害,降低安全成本,指导爆破作业的施工.关键词:BP神经网络;非线性;爆破预测;误差;......
免疫遗传算法在BP神经网络中的应用洪露,穆志纯摘 要:提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低,个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.关键词:BP神经网络;免疫遗传算法;模拟退火算法;全局收敛性;......
改进BP神经网络在煤与瓦斯突出预测中的应用研究王社国,田志民,武莎莎河北工程大学信息与电气工程学院摘 要:影响煤与瓦斯突出的因素较多,且呈现出复杂的非线性关系,采用传统的BP神经网络对煤与瓦斯突出进行预测,存在收敛速度慢及易陷入局部极小两个突出问题.为了克服缺陷,提高煤与瓦斯突出预测的精准性,笔者提出了一种改进的BP神经网络,并将其应用到煤与瓦斯突出预测中,建立了基于MATLAB神经网络工具箱的改进BP神经网络模型,并以此模型为基础,研发了煤与瓦斯突出预测系统.通过试验可知,该系统可使煤与瓦斯突出预测管理工作更加准确,可靠和高效.关键词:BP神经网络;煤与瓦斯突出;预测;......
文章编号:1004-0609(2013)05-1427-07 基于拟牛顿法的QN-BP预测爆破振动峰值速度 刘 博,史秀志,黄宣东,武永猛,黄 丹,罗 佳 (中南大学 资源与安全工程学院,长沙 410083) 摘 要:根据某露天矿台阶爆破实测数据,利用基于回归分析的经验公式和普通BP神经网络模型以及基于拟牛顿法的改进BP神经网络(QN-BP)模型对爆破振动峰值速度进行预测.两种模型的训练结果表明:QN-BP模型经过122次迭代即可收敛,训练平均误差为3.7%；而普通BP模型收敛需要10万次以上迭代,训练平均误差4.2%.通过QN-BP模型,BP模型和经验公式的预测结果与实测值的对比,三者的平均相对误差分别为6.05%,10.21%和23.42%. 关键词:爆破振动；BP神经网络；拟牛顿法；预测 中图分类号:TD235 ......
基于BP神经网络预测TiC基金属陶瓷硬度 胡耀波1,刘杰2 (1.重庆大学材料科学与工程学院,重庆,400044;2.深圳职业技术学院,深圳,518055) 摘要:通过BP神经网络,对TiC基金属陶瓷硬度进行了模拟和预测.结果表明,该方法能够比较精确地预测TiC基金属陶瓷硬度与其成分变化的关系. 关键词:BP神经网络; 金属陶瓷; 硬度; [全文内容正在添加中] ......
