神經(jīng)網(wǎng)絡(luò)在煤巷錨桿支護(hù)設(shè)計中的應(yīng)用 河南理工大學(xué)采用MATLAB的BP神經(jīng)網(wǎng)絡(luò)工具箱，建立了礦山巷道圍巖主要影響因素與支護(hù)形式和支護(hù)參數(shù)之間的高度非線性BP神經(jīng)網(wǎng)絡(luò)模型。通過對算例結(jié)果的分析，驗證了基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于礦山井下錨桿支護(hù)設(shè)計的性、可行性和性，具有一定的推廣價值。 他們選擇若干礦井巷道錨桿支護(hù)的成功實例作為學(xué)習(xí)樣本，將影響錨桿支護(hù)的因素作為輸入變量、支護(hù)形式和支護(hù)參數(shù)作為輸出變量代入神經(jīng)網(wǎng)絡(luò)模型，通過特定的學(xué)習(xí)算法對樣本進(jìn)行學(xué)習(xí)，經(jīng)過網(wǎng)絡(luò)內(nèi)部自適應(yīng)算法不斷修正網(wǎng)絡(luò)連接權(quán)值和閾值分布來減少嘗試性誤差以滿足要求。網(wǎng)絡(luò)通過其連接權(quán)值和閾值的調(diào)整來記憶所學(xué)習(xí)過的樣本并掌握輸入變量和輸出變量間的高度非線性關(guān)系，然后將巷道的輸入變量代入網(wǎng)絡(luò)，通過網(wǎng)絡(luò)神經(jīng)推理計算，與所求問題接近的學(xué)習(xí)樣本輸出模式被回憶出來，從而得到巷道的錨桿支護(hù)要求。此項研究運(yùn)用神經(jīng)網(wǎng)絡(luò)建立了礦山井下錨桿支護(hù)形式和支護(hù)參數(shù)設(shè)計模型，使支護(hù)形式、支護(hù)參數(shù)等與地質(zhì)條件和開采技術(shù)條件間形成高度非線性映射，在較大程度上克服了以往錨桿支護(hù)設(shè)計方法的不足。 他們利用此項課題建立的BP神經(jīng)網(wǎng)絡(luò)設(shè)計模型對潞安礦業(yè)集團(tuán)公司、兗州礦業(yè)（集團(tuán)）有限責(zé)任公司、平頂山煤業(yè)(集團(tuán))有限責(zé)任公司和雙鴨山礦業(yè)集團(tuán)有限公司集賢煤礦井下巷道進(jìn)行錨桿支護(hù)設(shè)計，對網(wǎng)絡(luò)運(yùn)行結(jié)果與實際狀態(tài)相比較驗證了這兩個模型的可行性和快捷性，為下一步研究其它支護(hù)方案奠定了基礎(chǔ)。實踐表明，人工神經(jīng)網(wǎng)絡(luò)具有良好的自適應(yīng)性、自組織性及很強(qiáng)的學(xué)習(xí)、聯(lián)想、容錯和抗干擾能力等優(yōu)點，將其引入礦山巷道支護(hù)設(shè)計可更全面考慮影響錨桿支護(hù)參數(shù)設(shè)計的諸多因素，在輸入數(shù)據(jù)不全的情況下可進(jìn)行數(shù)據(jù)聯(lián)想補(bǔ)缺，實現(xiàn)巷道支護(hù)的快速、準(zhǔn)確決策。更多知識請咨詢聯(lián)系http://www.sdzdzh.com/