Height prediction of water flowing fractured zones based on BP artificial neural network

Factures caused by deformation and destruction of bedrocks over coal seams can easily lead to water flooding (inrush) in mines, a threat to safety production. Fractures with high hydraulic conductivity are good watercourses as well as passages for inrush in mines and tunnels. An accurate height prediction of water flowing fractured zones is a key issue in today's mine water prevention and control. The theory of leveraging BP artificial neural network in height prediction of water flowing fractured zones is analysed and app-lied in Qianjiaying Mine as an example in this paper. Per the comparison with traditional calculation results, the BP artificial neural network better reflects the geological condi-tions of the research mine areas and produces more objective, accurate and reasonable results, which can be applied to predict the height of water flowing fractured zones.     

BP神经网络在自喷井井底流压预测中的应用

利用神经网络具有的高度非线性映射能力,将其应用于井底流压的预测,以解决现有各种方法不能完全满足需要的矛盾。从网络的结构和算法、训练样本的选择和处理、网络的学习精度和泛化能力等三个方面对BP神经网络进行研究和改进,建立了井底流压的预测模型,并对某油田的实测井底流压数据进行了精度检验和精度分析。预测结果表明,相对误差最大为2.0821%,平均相对误差为1.5108%,绝对误差一般在0.5~1 MPa,高于其他各种计算方法的精度。     

基于量纲分析的非充分采动导水裂缝带高度预测

为准确预测非充分采动导水裂缝带高度,选取开采厚度M、煤层埋深H、工作面倾斜长度L、煤层倾角α、覆岩力学性质R、覆岩结构特征S为非充分采动导水裂缝带高度主要影响因素。采用量纲分析建立了导水裂缝带高度与M,H,L,α,S间的无量纲关系式。结合30组实测数据,采用多元回归得到无量纲关系式的最优函数关系式。选取2个非充分采动工作面导水裂缝带现场实例对预测模型进行了工程验证,预测模型预测结果与实测结果吻合良好,其相对误差分别为3.64%和2.93%,预测模型的预测精度可以满足煤矿安全生产现场需要。     

基于BP神经网络的孔隙充水矿井涌水量预测

文章分析了孔隙充水矿井的充水水源和通道,利用非线性的BP人工神经网络建立了徐州韩桥煤矿涌水量短期预测模型,选取每天的降水量作为影响因子,用已有的涌水量资料训练得到权值和阈值来表示充水通道,并对-200m水平、-270m水平、-330m水平和全矿井涌水量进行了预测.结果显示,涌水量的预测值与实测值吻合得较好,说明该模型具有一定实用性.     

生态脆弱矿区土层中导水裂缝带发育高度研究

为指导生态脆弱区\     

基于BP神经网络的降雨充水矿井涌水量预测

长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年＋141水平和＋20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。     

黄陇煤田综放采煤顶板导水裂缝带高度发育特征

为了研究黄陇煤田综采放顶煤（综放）采煤工艺条件下的导水裂缝带高度及其发育规律,系统收集区内各矿井实测数据资料,采用数理统计和回归分析方法研究导水裂缝带高度与工作面宽度、煤层埋深以及采高的相关关系。研究结果表明：工作面宽度小于240 m且煤层采高为8.5~9.5 m时,软弱覆岩裂采比和导水裂缝带高度恒大于中硬覆岩;工作面宽度大于90 m且煤层采高大于14.5 m时,软弱覆岩裂采比和导水裂缝带高度恒小于中硬覆岩。综放软弱顶板裂采比和导水裂缝带高度随采高增大均呈单峰状,裂采比是采高的二次函数,导水裂缝带高度是采高的三次函数。裂采比最大为30.63倍,拐点处采高3.56 m;导水裂缝带高度最大为239.97 m,拐点处采高10.41 m。由拐点向两侧采高分别减小或增大时,裂采比和导水裂缝带高度均逐渐减小。综放中硬顶板裂采比和导水裂缝带高度受工作面宽度和煤层采高的共同影响。在工作面宽度一定时,裂采比随着煤层采高增大而逐渐减小且变化幅度越来越小,大致趋于[11.00,14.30]数值区间;在煤层采高一定时,工作面宽度越大裂采比越大。导水裂缝带高度随着工作面宽度和煤层采高增大而增大。     

煤层顶板导水裂缝带高度综合探查技术

新建矿井应进行顶板\     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

灵新煤矿导水裂隙带发育高度数值模拟研究

煤矿的开采利用给国民经济发展带来巨大的收益,但也引发了许多环境地质问题,特别在煤层开采过程中,煤层上覆基岩变形破坏形成的裂隙通道极易发生矿井涌（突）水事故,时刻威胁着井下工人的生命安全。本文以灵新煤矿051505工作面为研究对象,利用Flac3D数值模拟软件,对14号主采煤层上覆基岩导水裂隙带高度进行了模拟研究。模拟结果表明：当煤层开采厚度为2.5 m时,导水裂隙带发育最大高度为59.5 m。同时选取经验公式法对导水裂隙带高度进行了计算。最终通过钻孔实测法得到的结果与前两种方法对比分析,数值模拟结果与钻孔实测结果基本吻合,认为数值模拟方法能够高效、简单、合理达到预测导水裂隙带高度的目的,也为同类矿井安全、绿色生产提供一定的借鉴。     

BP神经网络在花岗岩型铀矿预测中的应用

在已知矿床的外围或深部发现更多的成矿有利区是我国南方地区新一轮热液型铀矿勘查工作的重要方向之一。采用BP网络对某花岗岩型铀矿区以航空放射性信息为主的找矿标志进行综合。15个检验样本的预测有利度与期望有利度基本吻合,表明采用该预测模型对研究区内所有样本进行综合预测是合适的。从全区的预测结果可以看出,14处已知铀矿床均位于成矿有利度大于0.9的区域,且在已知铀矿床的外围发现了具有较好成矿远景的多片有利区。     

基于多元非线性回归和BP神经网络的滑坡滑动距离预测模型研究

滑坡灾害严重威胁着人类的生命财产安全, 对土地资源造成了一定影响。滑坡滑动距离直接表明了滑坡的冲击、堆积范围大小, 是估算滑坡受灾面积、评估滑坡潜在风险的重要参数, 也是滑坡防灾减灾工作中需要重点关注的指标。为了更准确高效地预测滑坡危害范围, 分别采用多元非线性回归和BP神经网络2种模型对影响滑坡滑动距离的因子进行了评估和建模, 并对天水地区的滑坡实例进行研究。研究结果表明, 2种模型均可用于滑坡滑动距离的预测。相较而言, BP神经网络的预测结果与实际情况有更高的拟合度, 准确性更高。     

基于BP神经网络的薄互层储层预测

根据地震属性来进行储层预测的研究,对于寻找油气具有十分重要的意义。而由于地下地质情况千变万化,不确定的因素太多,对这种多自变量与因变量的复杂关系模拟问题,神经网络技术是目前较成熟、实际应用效果也较好的方法之一。用BP神经网络来预测薄互层储层厚度,它可以建立属性参数与预测目标之间的高度非线性映射,并应用于具体的实例,为薄互层储层预测提供了新的思路。     

BP神经网络算法在陆域天然气水合物成藏预测中的应用

勘察陆域天然气水合物的过程中,会产生大量的地质、地球物理和地球化学资料,将这些数据资料与数学方法有机结合,建立起综合信息预测模型对寻找水合物具有重要意义。笔者选取木里地区为主要研究区域,综合区内勘查已获得的地质、地球物理和地球化学数据,分析和提取了对水合物成藏有利的特征,给出了相应的预测变量转化规则。采用BP神经网络这种非线性预测方法进行成藏预测研究,并对结果进行对比评估。结果显示,钻遇水合物的钻井与预测得到的高有利度区吻合,未遇水合物的钻井基本落于低有利度区,算法有效实用,建立的转换规则切实可行。     

应用一种改进BP神经网络算法预测密度曲线

利用测井数据与地震数据二者相结合进行综合分析,是地震勘探工作者的重要工作。可以通过分析井位处的地震数据与测井数据,提取地震的多个属性,建立一个与测井属性的统计关系。选取已改进的三层网络结构BP神经网络算法,在应用一个实际例子后表明,该算法的主要特点是收敛速度快、计算简单,同时还具有跳出局部最小的能力。应用此神经网络算法对某油田的二维地震数据进行了处理,提取了多种地震属性,并在井位置建立了地震属性与密度曲线的非线性关系,成功预测了剖面密度曲线,为了解储层状况提供了有益的资料。     

基于BP神经网络的岩体质量评价——以甘肃北山旧井地段BS03号钻孔为例

岩体质量评价对于各类建筑特别是地下建筑的安全性具有十分重要的作用。文章利用岩体质量评价Q系统和BP神经网络分析了Q系统各参数及对应于BP网络的取值。之后，将研究对象——甘肃北山BS03号钻孔以10m为单位分成50段，对每段范围内岩心所对应Q系统的参数根据钻孔钻进结果进行赋值，并运行BP神经网络程序对钻孔附近岩体质量进行分类。通过评价，对研究对象周围的岩体质量给出了定性的结论。     

BP神经网络在冻土路基变形预测中的应用

在青藏铁路冻土路基现场实测资料的基础上,用改进的BP神经网络建立起了路基变形与地温、路基高度和上限之间的非线性映射.对某一典型路基第30年的变形进行了预测,结果显示路基的累计融沉量在冻胀量的两倍以上.从绘制的路基变形过程曲线可以很清晰地看出路基一年中的变形趋势和冻胀融沉区间.在4月份以后,路基的变形由冻胀向融沉转变,变形与地温有很好的正比关系,但是当地温升高到一定值时,路基的融沉量便不再随着地温的升高而增大.路基的冻胀与地温的关系也有相似的规律,说明地温对路基变形的影响存在一个比较明显的区间,在这个区间范围内的温度对路基变形的影响较大,这为控制路基的病害提供了一个比较有价值的信息.     

有监督的人工神经网络油气预测

有监督的人工神经网络预测是20世纪90年代发展起来的一种新兴技术，由于它具有算法快、精度高的特点，在油气预测中得到广泛使用。本文介绍了该方法的原理及其与地震属性的关系，应用实际资料进行了计算，证明效果良好，是一种油气预测有利工具。     

An improved BP neural network based on evaluating and forecasting model of water quality in Second Songhua River of China

Taking the Second Songhua River which lies in the northeast of China as a study area, this paper firstly designs the improved BP neural network water evaluating and forecasting model of which 13 water evaluating items are selected as nodes in input layer; 6 classes of evaluating results are selected as nodes of output layer; then, with the ＂0, 1＂ identified pattern and continually practiced comparisons, ＂13-9-5-6＂ double hidden layers with optimized training structure are confirmed; on the basis of this work, the water quality of the Second Songhua River was evaluated and forecasted at the end. The results showed that in the six classes of predefined water quality in 157 stations, none of them belongs to class Ⅰ, and classes Ⅱ, Ⅲ, Ⅳ and Ⅴ are as follows： 8.91%, 58.59%, 18.47%, 1.91% and 12.1%, respectively; the precision of these evaluating and forecasting results is 82.8%.