人工神经网络在矿业工程中的应用PDF电子书下载

目录 1

1 绪论 1

1.1 人工神经网络概述 1

1.1.1 神经元模型 2

1.1.2 人工神经网络的构成与特点 5

1.1.3 人工神经网络研究与发展概况 7

1.2 矿业研究方法的发展概况及其应用中存在的问题 10

1.2.1 数学模型方法 11

1.2.2 专家系统及其在矿业工程中的应用与发展简述 21

1.3.1 矿业问题求解的难度与复杂度 26

1.3 人工神经网络在矿业工程中的应用潜力 26

1.3.2 ANN应用的特点 27

1.3.3 ANN应用的有效性与优势 27

1.4 本书的目的与内容 28

1.4.1 目的 28

1.4.2 意义 29

1.4.3 内容安排 30

2 基于人工神经网络的矿业建模方法研究 32

2.1 矿山系统分析与树形结构描述 32

2.1.1 矿山单元 32

2.1.2 矿山基本树 33

2.2.1 矿山单元的环境特征及其表达 36

2.2 集中矿山单元的特征抽取与知识表达 36

2.2.2 矿山单元的技术特征 38

2.2.3 矿山单元的管理特性 39

2.3 矿山单元的状态属性与指标 40

2.4 矿业问题求解准则 43

2.4.1 价值型 44

2.4.2 功能型 44

2.4.3 费用型 44

2.4.4 经验系数型 44

3 矿业工程通用神经网络基本模型研究 47

3.1 BP神经网络模型基本原理与拓扑结构 48

3.1.1 BP算法的基本原理 49

3.1.2 BP算法与程序实现框图 54

3.2 BP模型结构参数与学习特性实验性研究 56

3.2.1 BP模型结构参数的确定 56

3.2.2 学习参数的选择 58

3.3 基于BP的矿山工程基本模型型式 60

3.3.1 矿山系统知识的划分与性质 61

3.3.2 知识组织层次模型 62

3.3.3 知识的分割互连模型 63

3.3.4 基本模型 64

3.4 基于ANN的矿业知识处理方法 66

3.4.1 知识的表示 66

3.4.2 知识的获取 69

3.4.3 知识库的维护 72

4 矿业工程中的静态神经网络方法研究与应用 75

4.1 矿山工程基准指标的获取方法 76

4.1.1 基准指标获取模型 77

4.1.2 模型应用方法 77

4.2 应用实例 78

4.2.1 采面作业模型的构造 79

4.2.2 学习样本的采集 80

4.2.3 模型训练 80

4.3 基于ANN的矿业工程因素分析方法 83

4.3.1 BP网络权空间的性质与权指数的计算 84

4.3.2 基于ANN的智能寻因方法 85

4.3.3 实例研究一——回采效率影响因素分析 86

4.3.4 实例研究二——回采贫化损失影响因素分析 88

4.4 多目标决策与技术方案优选方法 90

5 基于TSA的矿业工程动态神经网络方法研究 95

5.1 时序分析与动态方法原理 96

5.2 基于TSA的神经网络模型——TSA—ANN模型 99

5.3 动态神经网络方法在大型煤矿中的应用 102

5.3.1 煤矿概况 102

5.3.2 煤矿原煤成本预测 105

5.3.3 原煤成本控制 110

5.3.4 吨煤材料费控制 119

5.4 TSA—ANN模型在某铜矿生产系统诊断中的应用 126

5.4.1 矿山概况 126

5.4.2 样本收集与模型训练 129

5.4.3 矿山生产系统的稳定性与稳定状态求解 132

5.4.4 模型结果分析与诊断结论 134

6 基于ANN的矿业组合优化方法研究与应用 142

6.1 引言 142

6.2 组合优化原理与矿业优化通用模型 143

6.2.1 矿业组合优化原理 143

6.2.2 矿业优化通用模型 144

6.2.3 求解算法与程序 149

6.3 应用实例一——采面爆破优化设计 150

6.4 应用实例二——矿山产品技术方案的诊断与优化 158

6.4.1 应用背景简介 159

6.4.2 评价函数的构造 161

6.4.3 模型构造与训练 162

6.4.4 模型求解与结果分析 163

6.5 应用实例三——露天台阶爆破炸药单耗的合理性诊断与优化 167

6.5.1 爆破工程背景简介 167

6.5.2 因果链与评价函数 168

6.5.3 模型与求解 169

7 人工神经网络在矿业工程中应用展望 174

参考文献 178