煤矿立井井筒非采动破裂的人工神经网络预测

应用人工神经网络的基本原理,建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统,实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比,认为应用人工神经网络对立井井筒破裂时间的预测比较准确、实用。     

厚冲积层立井井筒非采动破裂过程的三维耦合数值模拟

立井井筒破裂时,在底含、基岩、井筒之间包含三个同时发生的变化过程(1)底含水由基岩向矿井中的渗流;(2)深厚表土底部含水层的失水固结沉降与井壁附加力的产生;(3)立井井筒在附加力的作用下发生变形.本文采用拉格朗日元法对立井井筒的破裂过程进行了数值计算,且设置了界面单元来计算土与井筒之间的相互耦合作用,其计算结果揭示了立井井筒破裂过程中各个影响因素之间的变化规律,对于立井井筒破裂的机理分析及预防治理具有重要意义.     

兖腾—徐淮矿区地应力与井筒破裂关系研究

煤矿立井非采动破裂是一种矿井地质灾害,但对于立井破裂的原因有着多种认识,兖腾—徐淮矿区井筒发生破裂后,有一种观点认为造成井筒破裂的原因是该区内水平构造应力大所致,根据该矿区地应力与井筒破裂关系进行的分析研究,论证了该矿区的井筒破裂与水平构造应力并不存在着很密切的联系。     

Bayes方法在矿井突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。选取各含水层多项水质指标,应用Bayes方法建立适用于不同水质类型的矿井突水水源快速判别模型。结合SPSS软件,以淮南顾桥矿为例,并与模糊综合评判模型、神经网络模型进行分析比较。结果表明:贝叶斯多类线性判别模型能够有效地判别突水水源,比模糊综合评判有更高的准确性,与神经网络模型的判别准确率相同。Bayes多类线性判别模型又以其计算过程简单、模型结构稳定而优于神经网络模型。既提高判别准确率又提高判别速度,实现对突水水源快速有效判别。      

黄陵矿区地质灾害的现状与评价预测

在论述黄陵矿区地质环境的基础上,分析了矿区地质灾害的类型、现状与特点,采用模糊判别等数学方法对矿区的地质灾害进行了评价与预测,并据此确定了黄陵矿区有4个地质灾害区段,即黄陵城区灾害段、黄陵店头镇灾害段、苍村井田灾害段和车村井田灾害段。      

刘东煤矿混合井冻结法施工的工程地质论证

在岩性分析、动力压力分析、地压分析、井筒周边稳定预测，模糊聚类分析和数值模拟的综合研究基础上，对刘东煤矿混合立井冻结法施工的适宜性，冻结深度的合理性进行了工程地质论证，取得了十分显著的经济效益。     

中国东部黄淮地区煤矿井筒成片破裂研究

自80年代以来,中国东部黄淮地区许多生产矿井的立井井筒相继出现了程度不同的破裂,对煤矿的安全生产造成威胁.在详细调查的基础上,本文首先归纳了该地区井筒破裂的特征,主要有:(1)井筒破裂段大多位于上覆表土层与基岩交界面附近上下数米之内;(2)井筒破裂时间基本集中在1987年之后的短短几年内,与矿井投产时间长短无对应关系;(3)破裂过程一般是内井壁先出现裂缝,后掉混凝土块,渐渐露出已弯曲的钢筋,最后出现环形带状破裂;(4)井内设备变形明显滞后于井壁破裂.本文介绍了近年来我国学者有关井筒成片破裂机理的研究情况,以及对破裂段采取的加固方法及效果.根据其中一个井筒破裂最为严重的煤矿进行的井下原地应力测量结果,考虑当地地质资料,进行了地应力场有限元模型分析.结合区内地震活动、新构造运动的若干表现以及地壳应力、形变观测对井筒破裂的原因进行了综合分析,认为新构造运动引起的水平构造应力增高可能是黄淮地区井筒成片破裂的主要因素,区内特殊的底含结构及采动引起的四含水流失可能是井筒出现破裂的诱发因素.     

人工神经网络氡气灾害模型在铀矿山的应用

对多层前馈神经网络模型(BP神经网络)的结构特点、数据分析、学习方法和过程等内容做了分析。以中核抚州金安铀业有限公司铀矿山氡气状态为学习训练样本及预测样本,建立铀矿山氡气灾害模型。讨论了基于BP神经网络技术的氡气灾害模型分析方法及其有效性。通过实例样本的训练检验表明,采用人工神经网络方法对铀矿山氡灾害预测取得了比较满意的效果,为神经网络在铀矿山氡气灾害预报的应用提供了可行性。     

黑龙江省荣华立井壁后空洞破坏及注浆有限元分析

井壁溃沙、壁后空洞对立井的影响一直威胁着煤矿安全生产,对破坏的立井稳定性规律研究分析及处理方法备受关注。本文应用大型有限元分析软件ADINA,采用莫尔-库仑准则和拉伸破坏准则的组合并结合现场仪器原位检测模拟井壁后空洞破坏以及注浆,对荣华立井壁溃沙、壁后空洞对立井稳定性的影响和壁后注浆治理时不同注浆压力对井壁稳定性影响的基本规律进行研究,并依据分析结果制定了注浆方案。数值仿真分析表明:溃沙、空洞对井筒稳定有不利影响,并造成地表沉降;注浆压力对井筒稳定性有直接影响,当注浆压力达到一定值时,井壁竖向应力可出现拉压力,水平应力增大易导致井壁破裂。     

基于模糊神经网络的煤与瓦斯突出区域预测研究

煤与瓦斯突出影响因素间复杂的非线性关系,难以用经典的数学理论建立精确的预测模型。本文用自适应模糊神经网络技术建立煤与瓦斯突出预测系统,以模糊数学作为表达与处理不精确数据、模糊信息条件的手段,以自适应BP神经网络作为解决问题的途径。结果表明:方法可行,预测精度高,能够满足要求,进一步充实了煤与瓦斯突出区域预测理论      

平面交叉裂隙非线性渗流模型参数人工神经网络预测

岩体裂隙网络渗流广泛存在于地下工程中,对地下工程的建设和运行安全具有重要的影响。因此,研究裂隙网络渗流有着重要的理论和实际意义。本文根据立方定律和Forchheimer方程推导所得的交叉裂隙渗流模型,运用数值模拟和人工神经网络方法,对平面交叉裂隙渗流模型非线性参数与模型几何条件的关系进行探究。通过数值模拟,获得了平面交叉裂隙非线性渗流模型的参数;运用人工神经网络遗传算法,探究了交叉裂隙几何条件与交叉裂隙渗流模型中非线性系数之间的关系,证明了平面交叉裂隙非线性渗流模型适用于描述交叉裂隙渗流规律,验证了神经网络方法预测非线性系数的可行性和准确性。同时,还对比分析了运用拟合数值表达式和人工神经网络两种方法的特点。     

红板岩材料隐式本构模型的建立及其应用研究

针对红板岩材料在岩土工程中所表现的大量模糊的和不确定的因素等特点,基于人工神经网络的学习能力,借助于室内岩石力学试验,进行了对该材料的力学本构特性进行了神经网络模拟研究,提出了隐式本构模型的思想和方法,并通过该方法对该岩石的流变试验结果进行学习,获得了以网络权值结构保存的力学特性知识,由此得到了表征红板岩应力应变本构关系的隐式本构模型。应用结果表明,该方法对岩土类材料本构关系的模拟研究具有很好的应用前景。     

工程岩体断裂构造发育程度的定量评价研究IAEG信息(会讯)

岩体断裂构造发育程度及其均匀性是影响岩体结构类型、岩体质量优劣及岩体稳定性分析以及工程岩体综合分区利用的重要因素, 因此岩体断裂构造发育程度的定量评价具有重要的工程意义。本文以三峡工程永久船闸边坡工程为例, 系统地讨论了工程岩体断裂构造发育程度的评价方法、定量评价指标的确定原则、断裂构造发育程度的分级标准等。研究表明, 根据岩体断裂构造发育特点, 综合运用多层次模糊综合评判法和人工神经网络技术是评价工程岩体断裂构造发育程度的有效方法。     

基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。     

补偿模糊神经网络在储层参数预测中的应用

为了克服常规BP神经网络法在预测储层参数中出现学习速度慢、无法结合专家知识等不足，我们引入了补偿模糊神经网络。它是一个结合了补偿模糊逻辑和神经网络的混合系统，由面向控制和面向决策的神经元组成，其模糊运算采用动态的、全局优化运算，学习速度快、学习过程稳定，将其用于储层参数预测效果良好。     

基于T-S模型的模糊神经网络在边坡稳定评价中的应用

受地质、工程等众多因素的影响,岩土质边坡稳定性具有未确知性、随机性、模糊性、可变性等特点,很难用简单的力学、数学模型描述。提出了用基于Takagi-Sugeno模型的模糊神经网络来对边坡稳定性进行评价,该模型同时兼具神经网络和模糊逻辑二者的优点,既可以比较容易地处理模糊性的实际问题,又具有较好的学习能力。将此模型与BP神经网络模型同时应用于80个实际边坡样本进行训练和预测,结果表明该模型具有预测精度更高、收敛速度更快、预测结果与实际结果吻合度更高的特点     

地下水环境质量评价的神经网络研究

基于模糊综合评判法和灰色聚类法的不足,应用神经网络理论与方法建立了地下水环境质量评价B-P网络模型,并用该模型对某地区的地下水环境质量作了评价。结果表明,该方法运用简便、精确可靠、可判性强。      

地下工程围岩分类的神经网络可视化评价

围岩分类是地下工程技术基础研究的重要课题之一。影响围岩类别的因素有很多，并且具有高度的随机性和模糊性。神经网络方法具有自组织、自学习和高度非线性映射的能力，并且既能考虑定量因素又能考虑定性因素，因此，在围岩分类的应用方面，神经网络具有广泛的前景。文章基于改进的BP神经网络的一般原理，依据有关地下工程围岩的分类标准，选取岩体结构、岩石饱和单轴抗压强度、岩体结构面、岩石纵波速度作为围岩分类的评价指标，利用MATLAB语言构建了可视化的围岩分类神经网络模型，并收集了大量的工程资料对网络进行训练和检验。结果表明，网络的预测结果与实际结果比较一致。证明神经网络是能够在工程岩体分类方面得到推广应用的。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

煤层注水难易程度的BP神经网络评价法

科学评价煤层注水难易程度,既是判定煤层是否可注及可注效果,也是确定煤层注水方式和工艺参数的重要依据。但是,由于煤层注水难易性受多种因素影响,属于极为复杂的非线性问题,很难用传统的数学方法进行定量评价。文献[1]用模糊聚类方法进行定量评价,在实际应用中,由于精度不够,出现过误判。为此,针对影响评价煤层注水难易程度的多种因素,如煤层孔隙率、煤的坚固系数、湿润边角、饱和水份增值等所构成的复杂系统,采用具有非线性映射功能的神经网络评价煤层注水难易程度,将煤层注水难易程度分为4级。并将该方法的评价结果同模糊聚类进行了对比,通过比较和实例验证,其误差为5.6%,提高了10个百分点。此方法评价精度较高,可用于指导实际煤层注水工程。