基于主分量加权SOM神经网络矿井水水源判别研究

发布时间：2020-06-02 04:29

【摘要】：矿井突水事故是煤矿五大灾害之一,严重威胁到煤矿安全生产。矿井水害的主要类型包括奥灰承压水、老窑水、孔隙裂隙水等,水害的严重性程度取决于突水水源的性质。因此,快速准确判别矿井水水源,对于矿井水害防治具有重要意义。论文以矿井突水水源为研究对象,通过矿井突水相关理论,探讨根据水化学特征判别矿井突出水源可行性;统计矿井水源的水化学特征后,选取判别矿井水源的相关指标,然后结合主分量分析理论,对水样数据进行降维处理;将通过主分量分析降维提取出的矿井水样主成分因子加权后输入到自组织特征映射(SOM,Self-Organizing Feature Map)神经网络当中,从而建立主分量加权SOM网络矿井水源判别模型:通过对含有特征离子的水样进行识别,以及多种混合离子水样识别,验证该方法的可靠性;在此基础上,制定防治水对策并建立相关数据库。研究表明:(1)通过将神经网络的训练样本进行主分量分析降维,使SOM神经网络对于具有较多的变量特征及变量间相关性较强的矿井水源进行判别时正确率提高;(2)主分情加权SOM神经网络相比于传统SOM神经网络在收敛速度、误差控制等性能上具有优越性;(3)分贵加权SOM神经网络可以成功判别混合度较低的矿井水源的主体成分,可以应用于实际矿井水判别的大多数情况;(4)将主分量加权SOM神经网络应用于内蒙古裕兴煤矿水源判别,可准确判别突水水源,制定相应防治水对策。
【图文】：

图１．１论文研宄技术路线图逡逑Ｆｉｇ］邋．１邋Ｐａｐｅｒ邋ｒｅｓｅａｒｃｈ邋ｔｅｃｈｎｉｃａｌ邋ｒｏａｄｍａｐ逡逑

人工神经网络是通过模仿神经生物学中生物神经细胞的某些特性，人为制作逡逑的一种计算结构，yL经元是神经网络中最基本的构成单元｜６８］。逡逑神经元可以简化为一个基本的数学模型，如图３．１所示。逡逑：＾逡逑图３．１神经元模型逡逑Ｆｉｇ．３．１邋Ｎｅｒｖｅ邋ｃｅｌｌ邋ｍｏｄｅｌ逡逑该神经元模型可用如下方程进行描述：逡逑ｎ逡逑ｕｊ邋＝邋Ｙ／°ｖｘ，逡逑／＝１逡逑ｖＪ＝ｕ，＋ｂｉ逡逑少广／（、）逦（３．１）逡逑其中，１／，：＾，＂．，１／）是神经兀的输入彳日万＂，Ｗ／ｙ，…，Ｖｌ’，ｙ，，…，Ｍ’ｎｙ是输入神经兀逡逑ｙ的输入信号所对应的权值，％．是经过组合处理后的信号输出，匕为偏置，／？）为信逡逑号变换函数，是最终的输出信号。逡逑Ｖ７神经元可以根据不同的输出变换函数形成不一样的数学模型，不同数学模型逡逑对于信息有不同的处理特性，常见输出变换函数如下：逡逑１）
【学位授予单位】：山东科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TD745

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期

4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期

5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期

6 李杰;孙仁诚;;几种典型卷积神经网络的权重分析与研究[J];青岛大学学报(自然科学版);2019年04期

7 岳新;杜玉红;蔡文超;;基于GA-BP神经网络异纤分拣机检测参数优化[J];棉纺织技术;2020年01期

8 赵伟荣;李慧;;基于集成神经网络的织物主观风格预测研究[J];纺织科技进展;2020年01期

9 李金堂;;试析神经网络技术在机械工程中的应用及发展[J];网络安全技术与应用;2020年02期

10 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

相关会议论文 前10条

1 孙军田;张U

本文编号：2692609