导读:本文包含了矿井摩擦阻力系数论文开题报告文献综述及选题提纲参考文献，主要关键词:矿井,摩擦阻力系数,BP神经网络,预测
矿井摩擦阻力系数论文文献综述
魏宁,刘剑[1]（2018）在《基于BP神经网络的矿井摩擦阻力系数预测》一文中研究指出为克服传统的矿井巷道摩擦阻力系数测试方法工作量大、效率低等缺点,以摩擦阻力系数理论为基础并结合现场实际资料分析,归纳出影响矿井巷道摩擦阻力系数的主要因素:巷道断面积、巷道周长、巷道支护方式和巷道断面形状。构建基于BP神经网络的摩擦阻力系数预测模型,选取典型数据作为BP神经网络的学习样本和测试样本,运用Matlab软件进行网络训练,得到优化的网络模型。利用优化的网络模型对板石矿和大明一矿随机测点进行摩擦阻力系数预测,预测值与实测值误差不超过10%,表明该网络模型的预测结果具有较高的可靠性和工程实践价值。(本文来源于《矿业安全与环保》期刊2018年01期）
张欢欢[2]（2017）在《基于支持向量机的矿井巷道摩擦阻力系数预测研究》一文中研究指出矿井巷道通风摩擦阻力系数是反映矿井井巷阻力特性最重要的技术参数之一,它是矿井通风设计、通风系统改造以及加强通风技术管理等工作的技术基础。通常巷道摩擦阻力系数主要通过查表选取和现场实测得到,一方面,我国使用的矿井巷道摩擦阻力系数表为上世纪八十年代所制定,已不能满足目前复杂矿井通风所用;另一方面,现场实测工作较为复杂且工作量大。因此矿井巷道摩擦阻力系数的预测研究对矿井通风设计和煤矿通风安全管理有着重要的理论意义和实际应用价值。本文引入支持向量机对矿井巷道摩擦阻力系数进行预测研究。理论分析得到,采用支持向量机对矿井巷道摩擦阻力系数进行预测是可行的。通过分析对比支持向量机常用核函数的性质,基于径向基核函数相对于其他几种核函数的优点,最终选取径向基核函数作为支持向量机预测矿井巷道摩擦阻力系数模型的核函数。在MATLAB环境下使用LIBSVM,以凉水井煤矿锚喷巷道、锚杆支护巷道、锚网索支护巷道的摩擦阻力系数为研究对象,分别用网格搜索方法、遗传算法方法、粒子群算法方法对训练集进行训练,得到最优的径向基核函数参数和惩罚参数组合,利用选取的参数组合建立预测模型,对验证集进行预测。预测结果表明,这叁种方法选取的参数组合建立的预测模型均可有效预测矿井巷道摩擦阻力系数,验证了支持向量机预测矿井巷道摩擦阻力系数的可行性。其中,遗传算法选取参数组合的模型预测结果综合性能表现最好,并和矿井实测结果进行了验证对比。利用支持向量机和常用的矿井巷道摩擦阻力系数预测方法—BP神经网络分别对凉水井煤矿巷道摩擦阻力系数进行预测,结果表明:支持向量机预测矿井巷道摩擦阻力系数的精度更高、效果更好,较BP神经网络预测矿井巷道摩擦阻力系数更具优越性。(本文来源于《西安科技大学》期刊2017-06-01）
邵博[3]（2014）在《矿井巷道摩擦阻力系数模糊查询系统研究》一文中研究指出矿井网络结算的基础和关键是摩擦阻力系数的确定。本文从测定摩擦阻力系数等方面展开研究。对不同巷道摩擦阻力系数的计算公式进行归纳。对于计算锚喷巷道的摩擦阻力系数公式,通过多元回归方程求解,为确立矿井巷道的摩擦阻力系数提供较准确的方法。在完全紊流区,摩擦阻力系数只与管道的相对粗糙度有关,而与雷诺数互无关系。复杂通风条件下的矿井,需要消耗大量人力物力来测定摩擦阻力系数,而测定的结果误差相对较大。本文针对数据库的特点,将模糊扩展的数据库系统查询技术应用于井巷摩擦阻力系数预测中,通过对煤矿井下摩擦阻力系数测定的历史数据进行模糊查询,从而得到匹配度较高的相同类型的井巷摩擦阻力系数或相似类型的井巷摩擦阻力系数。为矿井通风网络解算提供必要的且相对准确的基础参数。(本文来源于《辽宁工程技术大学》期刊2014-12-01）
王思仪[4]（2014）在《基于多层前向神经网络的矿井巷道摩擦阻力系数的确定》一文中研究指出作为矿井通风理论的基本参数,矿井巷道摩擦阻力系数值对矿井通风管理具有十分重要的作用。多层前向人工神经网络是最常见和最先进的人工神经网络,误差反向传播(BP)算法易于之前,成为第一选择网络。归纳不同巷道摩擦阻力系数的计算公式,用回归方程求解锚喷巷道摩擦阻力系数,并完善其计算公式,为确立矿井巷道的摩擦阻力系数提供较准确的方法。收集通风资料图表,结合实际将公式计算的结果与查阅图表获得的结果进行比较,证明公式的适用性。在完全紊流区,摩擦阻力系数和雷诺数无关,只和管道的相对粗糙度有关。BP神经网络能较好地拟合已知数据,预测功能强。从影响不同支护类型的矿井巷道摩擦阻力系数的因素出发,选择适当的参数作为BP神经网络的输入参数,搜集大量数据,运用BP神经网络模型对不同支护类型的矿井巷道摩擦阻力系数进行模式识别,并运用改进的贝叶斯正则化方法对网络进行训练,对摩擦阻力系数进行预测。采用BP神经网络将网络模拟值与实测值进行比较,误差基本满足工程需要。BP神经网络收敛较速度快,预测精度较高,对矿井巷道摩擦阻力系数的确定发挥重要作用,方便矿山井巷通风安全管理的实现。(本文来源于《辽宁工程技术大学》期刊2014-06-01）
张攀[5]（2003）在《确定矿井巷道摩擦阻力系数的新方法研究》一文中研究指出标准风阻值和标准摩擦阻力系数值作为矿井通风技术管理的基本资料对矿井通风管理具有重要意义。本文从影响摩擦阻力系数的直接原因出发来进行参数确定而避免了实际测量的繁重工作，归纳出了不同支护形式巷道的数学计算公式。另外，运用改进的BP神经网络模型对巷道摩擦阻力系数进行了模式识别，合理地选择适当的参数作为神经网络的输入参数，运用改进贝叶斯正则化方法对网络进行训练从而达到方便的确定摩擦阻力系数的目的。该方法的主要优点有:网络结构简单,收敛速度快,预测精度高。并通过实测和应用验证了这两种数学模型的正确性，为其在工程实践中的广泛应用奠定了理论基础(本文来源于《辽宁工程技术大学》期刊2003-12-01）
李华安,张福旺[6]（1994）在《矿井摩擦阻力系数的测定与研究》一文中研究指出利用通风阻力学原理，采用先进的测试手段和计算机处理数据，使所测矿井摩擦阻力系数更加符合实际，为矿井通风技术改造和采区设计提供了较为可靠的依据。(本文来源于《中州煤炭》期刊1994年06期）
许慧芳[7]（1983）在《《矿井巷道通风摩擦阻力系数测定》科研报告鉴定会简况》一文中研究指出沈阳煤矿设计研究院承担的《矿井巷道通风摩擦阻力系数测定》的科研项目已经完成.叁年来,参加该项目的技术人员先后到抚顺、徐州、新汉、阳泉、大同、梅田、鹤岗等14个局矿,近80条巷道,10多个工作面进行测定,共获得近2万个数据;分析整理出一套包括锚喷巷道和工作面在内的井巷通风摩擦阻力系数.(本文来源于《煤矿设计》期刊1983年06期）
矿井摩擦阻力系数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
矿井巷道通风摩擦阻力系数是反映矿井井巷阻力特性最重要的技术参数之一,它是矿井通风设计、通风系统改造以及加强通风技术管理等工作的技术基础。通常巷道摩擦阻力系数主要通过查表选取和现场实测得到,一方面,我国使用的矿井巷道摩擦阻力系数表为上世纪八十年代所制定,已不能满足目前复杂矿井通风所用;另一方面,现场实测工作较为复杂且工作量大。因此矿井巷道摩擦阻力系数的预测研究对矿井通风设计和煤矿通风安全管理有着重要的理论意义和实际应用价值。本文引入支持向量机对矿井巷道摩擦阻力系数进行预测研究。理论分析得到,采用支持向量机对矿井巷道摩擦阻力系数进行预测是可行的。通过分析对比支持向量机常用核函数的性质,基于径向基核函数相对于其他几种核函数的优点,最终选取径向基核函数作为支持向量机预测矿井巷道摩擦阻力系数模型的核函数。在MATLAB环境下使用LIBSVM,以凉水井煤矿锚喷巷道、锚杆支护巷道、锚网索支护巷道的摩擦阻力系数为研究对象,分别用网格搜索方法、遗传算法方法、粒子群算法方法对训练集进行训练,得到最优的径向基核函数参数和惩罚参数组合,利用选取的参数组合建立预测模型,对验证集进行预测。预测结果表明,这叁种方法选取的参数组合建立的预测模型均可有效预测矿井巷道摩擦阻力系数,验证了支持向量机预测矿井巷道摩擦阻力系数的可行性。其中,遗传算法选取参数组合的模型预测结果综合性能表现最好,并和矿井实测结果进行了验证对比。利用支持向量机和常用的矿井巷道摩擦阻力系数预测方法—BP神经网络分别对凉水井煤矿巷道摩擦阻力系数进行预测,结果表明:支持向量机预测矿井巷道摩擦阻力系数的精度更高、效果更好,较BP神经网络预测矿井巷道摩擦阻力系数更具优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
矿井摩擦阻力系数论文参考文献
[1].魏宁,刘剑.基于BP神经网络的矿井摩擦阻力系数预测[J].矿业安全与环保.2018
[2].张欢欢.基于支持向量机的矿井巷道摩擦阻力系数预测研究[D].西安科技大学.2017
[3].邵博.矿井巷道摩擦阻力系数模糊查询系统研究[D].辽宁工程技术大学.2014
[4].王思仪.基于多层前向神经网络的矿井巷道摩擦阻力系数的确定[D].辽宁工程技术大学.2014
[5].张攀.确定矿井巷道摩擦阻力系数的新方法研究[D].辽宁工程技术大学.2003
[6].李华安,张福旺.矿井摩擦阻力系数的测定与研究[J].中州煤炭.1994
[7].许慧芳.《矿井巷道通风摩擦阻力系数测定》科研报告鉴定会简况[J].煤矿设计.1983