基于人工神经网络的矿井安全素质评价研究

发布时间：2022-01-27 05:34

　　煤炭是我国的主要能源，煤炭行业是国民经济的重要方面。但是由于我国煤炭资源的赋存与开采技术条件的复杂性和多样性，安全一直是煤炭企业所面临的重要问题。论文根据我国煤矿企业及其安全生产现状，提出提高矿井安全素质是从根本上保障矿井安全生产的关键，在国内外煤矿及企业安全评价方法发展现状分析的基础上，提出用人工神经网络技术进行矿井安全素质评价，对提高矿井安全素质，促进安全生产有重要作用。首先，以提高煤矿企业安全生产为目的，结合矿井素质的概念及煤矿行业的特殊性，建立了矿井安全素质评价指标体系，包括矿井形象、矿井能力及矿井作用发挥三个方面的16个指标。然后，建立的矿井安全素质评价的人工神经网络模型，确定了评价模型的网络结构及基于BP算法的训练学习算法。运用MATLAB神经网络工具箱的强大功能，设计了矿井安全素质人工神经网络模型的学习和评价程序，并采用历史数据对人工神经网络进行训练，为矿井安全素质评价网络模型的应用奠定基础。其次，运用该模型对忻州窑煤矿矿井安全素质现状进行评价，得到了与实际比较符合的结果；最后，通过对影响该矿矿井安全素质指数的一些重要指标进行重要度分析，确定了这些指标对矿井安全素质指数的... 

【文章来源】：西安科技大学陕西省

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
    1.2 国内外研究现状及发展趋势
        1.2.1 煤矿企业评价
        1.2.2 矿井安全评价
        1.2.3 现有评价方法
        1.2.4 矿井素质评价的相关研究
    1.3 论文研究目标和内容
        1.3.1 研究目标
        1.3.2 研究内容
    1.4 论文研究方案及技术路线
2 矿井安全素质评价指标体系研究
    2.1 矿井安全素质评价指标体系建立原则
    2.2 矿井安全素质评价指标体系建立
        2.2.1 矿井安全素质评价体系的指标
        2.2.2 矿井安全素质指数确定
    2.3 本章小结
3 矿井安全素质评价的人工神经网络模型
    3.1 矿井安全素质评价方法的选择
    3.2 网络模型的选择
        3.2.1 BP 网络的算法
        3.2.2 矿井安全素质评价的网络设计及训练步骤
    3.3 矿井素质安全评价模型的计算机实现方法
4 基于人工神经网络的矿井安全素质评价模型应用研究
    4.1 忻州窑煤矿概况
        4.1.1 交通位置及气候
        4.1.2 井田地质特征
        4.1.3 生产技术情况
        4.1.4 管理情况
        4.1.5 面临的主要问题
    4.2 评价数据准备
    4.3 矿井安全素质评价模型的训练
        4.3.1 训练过程及结果
        4.3.2 评价结果
        4.3.3 重要度分析
5 结论
    5.1 本文结论
    5.2 研究展望
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]论矿井素质评价及其在安全生产中的作用[J]. 田利军.  价值工程. 2011(20)
[2]论提高矿井素质实现可持续发展[J]. 田利军,李由,张辛亥.  价值工程. 2011(13)
[3]浅析煤炭行业的特殊性及煤电一体化[J]. 连国桢.  甘肃科技纵横. 2010(03)
[4]基于BP人工神经网络的建筑废料管理评价方法[J]. 董爱华,闵洲源.  同济大学学报(自然科学版). 2010(01)
[5]矿区可持续发展的模糊综合评价建模与系统实现[J]. 曹志国,李翠平,汤万金,董春游.  金属矿山. 2009(11)
[6]新时期煤炭企业循环经济生产模式分析[J]. 周立光.  中国矿业. 2009(05)
[7]AHP在煤矿安全现状评价中的应用[J]. 袁梅,李希建,吴桂义.  中国煤炭. 2009(01)
[8]浅谈煤炭企业安全管理中存在的某些缺陷及解决的对策[J]. 董毓智.  煤矿安全. 2008(07)
[9]基于目标管理的煤矿企业绩效管理研究[J]. 王运祥.  安徽理工大学学报(社会科学版). 2007(04)
[10]本质安全型矿井评价指标体系[J]. 陈天龙,王直亚,汪卫东.  煤矿安全. 2007(06)

博士论文
[1]基于粗集—小波神经网络的煤炭企业管理研究[D]. 蔡振禹.天津大学 2007
[2]煤矿动态综合安全评价模式及应用研究[D]. 许满贵.西安科技大学 2006

硕士论文
[1]煤矿事故人因失误因素的灰色模糊分析与研究[D]. 魏红州.太原理工大学 2007



本文编号：3611866