产品分类 更多>>
神经网络在煤巷锚杆支护设计中的应用
河南理工大学采用MATLAB的BP神经网络工具箱，建立了矿山巷道围岩主要影响因素与支护形式和支护参数之间的高度非线性BP神经网络模型。通过对算例结果的分析，验证了基于MATLAB的BP神经网络应用于矿山井下锚杆支护设计的性、可行性和性，具有一定的推广价值。
他们选择若干矿井巷道锚杆支护的成功实例作为学习样本，将影响锚杆支护的因素作为输入变量、支护形式和支护参数作为输出变量代入神经网络模型，通过特定的学习算法对样本进行学习，经过网络内部自适应算法不断修正网络连接权值和阈值分布来减少尝试性误差以满足要求。网络通过其连接权值和阈值的调整来记忆所学习过的样本并掌握输入变量和输出变量间的高度非线性关系，然后将巷道的输入变量代入网络，通过网络神经推理计算，与所求问题接近的学习样本输出模式被回忆出来，从而得到巷道的锚杆支护要求。此项研究运用神经网络建立了矿山井下锚杆支护形式和支护参数设计模型，使支护形式、支护参数等与地质条件和开采技术条件间形成高度非线性映射，在较大程度上克服了以往锚杆支护设计方法的不足。
他们利用此项课题建立的BP神经网络设计模型对潞安矿业集团公司、兖州矿业（集团）有限责任公司、平顶山煤业(集团)有限责任公司和双鸭山矿业集团有限公司集贤煤矿井下巷道进行锚杆支护设计，对网络运行结果与实际状态相比较验证了这两个模型的可行性和快捷性，为下一步研究其它支护方案奠定了基础。实践表明，人工神经网络具有良好的自适应性、自组织性及很强的学习、联想、容错和抗干扰能力等优点，将其引入矿山巷道支护设计可更全面考虑影响锚杆支护参数设计的诸多因素，在输入数据不全的情况下可进行数据联想补缺，实现巷道支护的快速、准确决策。更多知识请咨询联系http://www.sdzdzh.com/
