基于GA-BP神经网络对的煤层进行采矿技术评估

科学领域:

• 采矿工程 采矿工程 采矿工程
• 采矿领域的人工智能

背景情况:

• 贵州省的的煤矿需要翻新,以提高安全性和寿命.
• 适当的采矿技术选择对于成功的矿山改造至关重要.

研究的目的:

• 制定一个框架,为的煤矿选择最佳的采矿技术.
• 评估人工神经网络的性能,特别是基因算法优化反向传播 (GA-BP) 网络,用于预测采矿方法.

主要方法:

• 斯皮尔曼相关性分析以确定关键输入变量 (地质条件,工作面参数).
• 正角实验以优化神经网络的超参数.
• 测试五个反向传播 (BP) 算法变体和一个遗传算法-BP (GA-BP) 模型.
• 使用确定系数 (R2) 和平均平方误差 (MSE) 的评估.

主要成果:

• 具有动量项 (VSS + MT) 的可变阶段大小算法对BP网络是最佳的.
• 与标准的人工神经网络 (70%的成功率,R2=0.79,MSE=0.06) 相比,GA-BP网络的预测准确度更高 (90%的成功率,R2=0.85,MSE=0.04).
• 在中煤矿的工业应用中,建议采用全机械化采矿,验证了该模型的可靠性.

结论:

• 在的煤矿中,GA-BP神经网络是选择采矿技术的卓越模型.
• 开发的评估框架和模型对于实际的工业应用是可靠的.
• 优化的技术选择确保了矿山安全,运营和,并延长了寿命.