Prediction of Elastic Modulus of Jointed Rock Mass Using Artificial Neural Networks

Two artificial neural network models for the prediction of elastic modulus of jointed rock mass from the elastic modulus of corresponding intact rock and joint parameters have been demonstrated in this paper. The data collected from uniaxial and triaxial compression tests on different rocks with different joint configurations and different confining pressure conditions, reported in the literature are used as input for training the networks. Important joint properties like joint frequency, joint inclination and roughness of joints are considered separately for making the network more versatile. Two different techniques of artificial neural networks namely feed forward back propagation (FFBP) and radial basis function (RBF) are used to predict the elastic modulus ratio.     

径流长期预报的人工神经网络方法

提出径流长期预报的人工神经网络方法。运用神经网络的一典型模型──“反向传播”模型,以大伙房水库在补水期的径流状况作为研究对象,尝试了神经网络方法的效果。结果表明,该方法预报成功率较高,容错能力较强,可望成为径流长期预报的有效的辅助手段。     

人工神经网络在岩石变形温度估算中的应用

Ｃｈｒｉｓｔｉｅ（１９６２）、Ｓｍｉｔｃｈ（１９７２）和张翊钧（１９８５）都提出了钠质斜长石的Δ１３１－１３１（或σ）、Ａｎ与温度Ｔ的关系图，后来又提出了钠质斜长石变形温度的计算公式。但由于图解的不便之处及目前应用的公式中推断分界点的不确定性和σ、Ａｎ与Ｔ之间存在一种非线性关系的特点，本文基于具有高度非线性映射能力的人工神经网络，提出了求解岩石变形温度的新方法。文中先介绍了变形温度计的研究概况，然     

人工神经网络在岩石变形温度估算中的应用

Ｃｈｒｉｓｔｉｅ（１９６２）、Ｓｍｉｔｈ（１９７２）和张翊钧（１９８５）都提出了钠质斜长石的△１３１－（或σ）、Ａｎ与温度Ｔ的关系图，后来又提出了钠质斜长石变形温度的计算公式。但由于图解的不便之处及目前应用的公式中推断分界点的不确定性和σ、Ａｎ与Ｔ之间存在一种非线性关系的特点，本文基于具有高度非线性映射能力的人工神经网络，提出了求解岩石变形温度的新方法。文中先介绍了变形温度计的研究概况，然后阐述了ＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒ）模型，最后应用该模型估算岩石变形时的温度，经对比得出，利用人工神经网络在岩石变形温度估算中具有良好的应用效果。     

On the Ratios between Elastic Modulus and Uniaxial Compressive Strength of Heterogeneous Carbonate Rocks

The ratios M _R = E/σ _c for 11 heterogeneous carbonate (dolomites, limestones and chalks) rock formations collected from different regions of Israel were examined. Sixty-eight uniaxial compressive tests were conducted on weak-to-strong (5 MPa < σ _c < 100 MPa) and very strong (σ _c > 100 MPa) rock samples exhibiting wide ranges of elastic modulus (E = 6100–82300 MPa), uniaxial compressive strength (σ _c = 14–273.9 MPa), Poisson's ratio (ν = 0.13–0.49), and dry bulk density (ρ = 1.7–2.7 g/cm³). The observed range of M _R = 60.9–1011.4 and mean value of M _R = 380.5 are compared with the results obtained by Deere (Rock mechanics in engineering practice, Wiley, London, pp 1–20, 1968) for limestones and dolomites, and the statistical analysis of M _R distribution is performed. Mutual relations between E, σ _c, ρ, M _R for all studied rocks, and separately for concrete rock formations are revealed. Linear multiple correlations between E on the one hand and σ _c and ρ on the other for Nekorot and Bina limestone and Aminadav dolomite are obtained. It is established that the elastic modulus and M _R in very strong carbonate samples are more correlated with ρ−σ _c combination and ε _a max, respectively, than in weak to strong samples. The relation between M _R and maximum axial strain (ε _a max) for all studied rock samples (weak-to-strong and very strong) is discussed.     

用自组织人工神经网络进行含矿预测的探讨

本文运用Ｔ．ｋｏｈｏｎｅｎ自组织人工神经网络模型，处理矿产资源统计预测问题，得出与数量化理论Ⅱ处理极为相似的结果。     

人工神经网络在地下水评价中的应用简述

文章对人工神经网络技术在地下水评价中的应用问题进行了概括和小结，在此基础上，对存在的问题进行了探讨，进而提出，混合优化是改善人工神经网络的有效方法之一。     

利用人工神经网络法预测煤层厚度研究

我国的兖州、淮北、平顶山、焦作等矿区,普遍存在着煤层缺失、剥失、分叉、合并等现象,煤层厚度变化对煤炭开采产生很大影响.据资料统计,如果实际煤厚比设计煤厚变薄10%～20%时,煤炭产量就会下降35%～40%.煤田高分辨率三维地震勘探的开展,为解决地质问题提供了丰富的三维数据体,特别是为BP人工神经网络法研究煤层厚度提供了多种地震波属性.     

融沉系数的人工神经网络预测方法

分析了前人关于融沉系数经验方法的研究结果,结果显示,与融沉系数关系最为密切的物性参数为液塑限、粉黏粒含量、干密度和含水量（含冰量）．为了能够综合描述诸因素与融沉系数的经验关系,以兰州黄土和青藏黏土为试验对象,得到了两种具有不同物性参数的土在不同含水量和干密度条件下的融沉系数．采用BP神经网络算法对试验数据进行学习训练,...     

人工神经网络模型与新安江模型的应用比较

新安江模型是我国研制的经典的概念性流域水文模型,其参数往往通过人工试错法进行率定,在洪水的实时预报中需建立误差自回归模型来修正预报值.人工神经网络模型是一种数据驱动模型,它可以通过算法调节权值和偏王值来模拟信息,实现了模型参数的自动率定.在实时预报的应用中,人工神经网络模型可以根据计算误差调节权值和偏置值,反映水文过程的时变性,模型结构显得更加简洁.本文将两种模型应用于潢川流域并作比较.它们的预报结果都达到了作业预报要求.在实际应用中可以根据资料情况选择模型进行洪水预报.     

基于人工神经网络的地下水状态方程—以山东莱州湾南岸地下水研究为例

山东莱州湾南岸地下水密度受多种因素影响,传统方法难以拟合,利用人工神经网络（简称ANN）高效的自组织学习能力和抗实验噪音能力及应用神经网络工具箱设计了三层反馈式神经网络模型,得出映射莱州湾南岸地下水密度与含盐量之间相关关系的基于ANN的地下水状态性关系的性质,基于ANN的地下水状态方程具有形式简单,易于使用等特点。     

利用人工神经网络方法对牙形石鉴定中若干“模糊特征”的数字化研究

牙形石是一类在地层学研究中具有重要意义的古生物化石。但由于牙形石鉴定中存在诸多重要、却难以定量分析的“模糊特征”,使得牙形石的鉴定和分类工作长期依赖于古生物工作者的经验。利用数学中的非线性方程将这些“模糊特征”进行数学描述,并利用人工神经网络中的反向传播算法设计出一套多隐含层的前馈网络分类器,对这些“模糊特征”进行分类尝试,取得了良好的效果,为牙形石的进一步数值化研究奠定了基础。     

ANN在水文计算中的初步应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行有关的水文计算是可行的.针对水文计算问题,初步建立了基于神经网络的计算分析系统,给出了应用实例.     

Geochemical characterization of oceanic basalts using Artificial Neural Network

The geochemical discriminate diagrams help to distinguish the volcanics recovered from different tectonic settings but these diagrams tend to group the ocean floor basalts (OFB) under one class i.e., as mid-oceanic ridge basalts (MORB). Hence, a method is specifically needed to identify the OFB as normal (N-MORB), enriched (E-MORB) and ocean island basalts (OIB).     

盾构施工地面长期沉降的神经网络预测

基于逆传播人工神经网络方法，建立了盾构施工地面长期沉降的非线性预测模型，建立了沉降与诸多影响因素：所处位置、时间、上覆土性参数及盾构施工参数等的关系模型。通过在上海地铁2号线龙东路一中央公园站区间资料的验证，发现与实际比较吻合。     

新型低弹模混凝土性能研究

聚丙烯纤维低弹模混凝土以其优良的工作性能和力学性能成为近年来我国水利工程大坝防渗墙采用的主要材料之一.在室内试验的基础上,对聚丙烯低弹模混凝土的强度、塌落度特性进行了研究;开发了一套混凝土耐久性渗透水采集仪,对聚丙烯低弹模混凝土的渗透性和耐久性进行了研究,试验结果表明：与传统低弹模混凝土相比,聚丙烯低弹模混凝土的抗压、弹模变化不大,抗拉强度有提高,抗渗性能明显改善,渗透系数降低了一个数量级左右,耐久性年限可以进一步提高,研究结果为聚丙烯低弹模混凝土大坝防渗墙的工程应用提供了技术支撑.     

Artificial Neural Network as a Tool for Backbreak Prediction

Backbreak is one of the destructive side effects of the blasting operation. Reducing of this event is very important for economic of a mining project. Involvement of various parameters has made the backbreak analyzing difficult. Currently there is no any specific method to predict or control the phenomenon considering all the effective parameters. In this paper, artificial neural network (ANN) as a powerful tool for solving such complicated problems is used to predict backbreak in blasting operation of the Sangan iron mine, Iran. Network training was fulfilled using a collected database of the practiced operation including blast design details and rock condition. Trying various types of the networks, a network with two hidden layers was found to be optimum. Performance of the ANN model was compared with statistical analysis using datasets which were kept apart from the original database. According to the obtained results, for the ANN model there existed a higher correlation (R² = 0.868) and lesser error (RMSE = 0.495) between the predicted and measured backbreak as compared to the regression model. Also, sensitivity analysis revealed that the inputs rock factor and number of rows are the most and the least sensitive parameters on the output backbreak, respectively.     

人工神经网络在水文水资源中的应用

人工神经网络理论被广泛地应用于水文水资源领域中各种问题的研究,依问题性质不同将其划分为4大类:(1)分类和识别问题;(2)预测预报问题;(3)优化计算问题;(4)基于神经网络的专家系统研制与开发问题,对人工神经网络在水文水资源中的应用现状作了较全面的介绍。还指出了目前应用中存在的主要问题以及今后的研究方向。     

基于Excel技术平台人工神经网络BP模型及应用

本文简要地讲述了人工神经网络模型结构和BP算法,以Microsoft Office Excel加VBA编程为技术平台,创建了人工神经BP网络预测模型.同时,应用该模型预测了吉林省南坪水文站1980～2000年11～3月枯季水资源量.结果表明,预测结果合理,精度较高;模型直观易懂,操作简便,有进一步推广价值.