Математическое моделирование элементов геосистем угольных шахт адаптированным методом нейронных сетей
Диссертация
Снижение погрешности и повышение оперативности прогноза возможно за счет использования результатов оперативного мониторинга и математического моделирования технологических процессов методом нейронных сетей. Однако, потенциальные возможности метода нейронных сетей для моделирования сложных производственных систем, в том числе геосистем угольных шахт, не используются в полном объеме в связи… Читать ещё >
Список литературы
- Петросян А.Э. Исследование режимов газовыделения и разработка способов управления ими при больших скоростях подвигания забоев на современных и больших глубинах разработки. Научный доклад. Институт горного дела им. A.A. Скочинского. — М., 1968. — 31 с.
- Мясников A.A. Проветривание горных выработок при различных системах разработки. М.: Госгортехиздат, 1962.
- Мясников A.A., Патрушев М. А. Основы проектирования вентиляции угольных шахт. М.: Недра, 1971. — 232 с.
- Мурашев В.И., Полевщиков Г. Я. Метаноэмиссия и механизм газодинамических явлений// Уголь Украины. 1987. -№ 11, — С.37−38.
- Полевщиков Г. Я., Буланчиков С. П. Управление газовыделением из разрабатываемого пласта// Уголь. № 10. — 1993. — С.5−7.
- Методическое руководство по расчету метанообильности и количества воздуха при проветривании лав при новой технологии выемки угольных пластов./ А. Э. Петросян, И. В. Сергеев, Н. И. Устинов. М.: ИГД им. A.A. Скочинского, 1967. — 22 с.
- Ушаков К.З., Бурчаков A.C., Пучков JI.A., Медведев И. И. Аэрология горных предприятий: Учебник для вузов. 3-е изд., перераб. и доп. — М.: Недра, 1987. — 421 с.
- Бабушкин В.Д., Прохоров С. П., Лосев Ф. И., Предко А. Г. Методы расчета общего притока воды в шахты угольных месторождений. М.: Недра, 1964, — 124 с.
- Момчилов B.C. Защита шахт от подземных вод. М.: Недра, 1989.- 189 с.
- Пучков Л.А., Бахвалов JI.A. Методы и алгоритмы автоматического управления проветриванием угольных шахт. М.: Недра, 1992.-399 с.
- Тарасов Б.Г. Прогноз газообильности выработок и дегазация шахт. М.: Недра, 1973. — 208с.
- Мясников А.А., Садохин В. П., Жирнова Т. С. Применение ЭВМ для решения задач управления метановыделением в шахтах. М.: Недра, 1977.-248 с.
- Эттингер И.Л. Физическая химия газоносного угольного пласта. -М.: Наука, 1981, — 104 с.
- Ванжа Ю.П. Прогноз газовыделения и управление газопылевоздушной средой в шахтах./ СибГИУ. Томск: Изд-во Томск, ун-та, 1995, — 147 с.
- Мироненко В.А., Мольский Е. В., Румынии В. Г. Горнопромышленная гидрогеология: Учебник для вузов. М.: Недра, 1989.-287 с.
- Harpalani S., Ouyang S. Taboratory technique to estimate gas flow behavior of naturally fractured reservoirs// International Journal of Rock Mechanics and Mining Science. 1998.-35, № 4−5. -C.516.
- Tiu J. Связь между распределением грунтовых вод и миграцией метана угольных пластов в поле шахты// Journal of China Coal Society. -1998. 23, № 3. — C.225−230. — Кит.- рез. англ.
- Колмаков В.А. Метановыделение и борьба с ним в шахтах. М.: Недра, 1981, — 134 с.
- Тризно C.K. Прогноз метановыделения из пластов-спутников с учетом скорости подвигания очистного забоя// Безопасность труда в промышленности. 1997. -№ 9. — С.30−32.
- Преслер В.Т. Информационно-математическая среда прогноза газопроявлений в угольных шахтах. Кемерово: Кузбассвузиздат, 2000. -228 с.
- Норватов Ю.А. Изучение и прогноз техногенного режима подземных вод (при освоении месторождений полезных ископаемых). -Л.: Недра, 1988.- 261 с.
- Леви Л.З. Прогноз максимальных водопритоков в горные выработки вероятностно-статистическими методами. -М.: Недра, 1973. -96с.
- Elfelci Amro М.М. Stochastic simulation of heterogeneous geological formations using soft information, with an application to groundwater// 1AHS Publications. 1995. -№ 225,-C. 198−202.
- Зыков A.A. и др. Вероятностная оценка водопритоков в подземные сооружения// Известия вузов. Горный журнал. 1996. — № 12. -С.1−3.
- Шейман Э.И., Скатов В. В. Пути уточнения прогноза газообильности разрабатываемого пласта (краткое изложение)// Горный информационно-аналитический бюллетень/ Московский государственный горный университет. 1997. — № 6. — С. 184−190.
- Шейман Э.М. и др. Метод расчета метановыделения из разрабатываемого пласта// Безопасность труда в промышленности. 1997. -№ 10.-С. 15−17.
- Wang G., Xu F. Ограничения структуры скользящего пласта на образование и концентрацию газа на разрабатываемой площади Furong// Journal of China University of Mining and Technology. 1999. — 28, № 1. -C.9−13. — Кит.- рез. англ.
- Hu Mingxing, Guo Dazhi Прогнозирование уровня подземных вод.// Journal of Chang-chun University of Earth Science. 1998. — 28, № 2. -C. 180−185. — Кит.- рез. англ.
- Yang Y., Li В., Shang К., Fan J. Использование теории нечетких множеств для определения притока воды на угольных шахтах Горного Бюро Hebi, Китай// Journal of China University of Mining and Technology. -1998. 27, № 2. — C.204−208. — Кит.- рез. англ.
- Мышкис А.Д. Элементы теории математических моделей. М.: Физматлит, 1994. — 192 с.
- Филлипс Д., Гарсиа-Диас А. Методы анализа сетей: Пер. с англ. -М.: Мир, 1984.-496 с.
- Конюх В.Л., Тайлаков О. В., Анферов Б. А. Применение сетей Петри для моделирования шахтных робототехнических систем// Автоматизация горных и строительных машин/ ИГД СО РАН. -Новосибирск, 1990. -С.41−50.
- Цыпкин Я.З. Информационная теория идентификации. М.: Наука. Физматлит, 1995. — 336 с.
- Логов А.Б., Поварницын В. И. Развитие принципов имитационного моделирования экономических показателей угольных предприятий. Сб. научных трудов «Механизация горных работ». -Кемерово: КузГТУ, 1997. — С.34−37.
- Логов А.Б., Поварницын В. И. Моделирование состояний сложных объектов угольной отрасли// Докл. II Медународной конференции «Природные и интеллектуальные ресурсы Сибири». -Кемерово: КузГТУ, 1997. С. 19−21.
- Нейроинформатика/ А. Н. Горбань, В.Л. Дунин-Барковский, А. Н. Кир дин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998. -296 с.
- Галушкин А.И. О современных направлениях развития нейрокомпьютеров// Информационные технологии. 1997. — № 5. — С.2−5.
- Конюх В.Л. Шахтная робототехника. Кемерово: Кузбассвузиздат, 2000. — 336 с.
- Sarle, W.S. Neural Networks and Statistical Models// Proceedings of the Nineteenth Annual SAS Users Group International Conference, Cary, NC./ SAS Institute Inc., 1994. C. 1538−1550. — URL: ftp://ftp.sas.com/pub/neural/ neurall.ps.
- Hill Т., Marquez L., O’Connor M, Remus W. Artificial neural network models for forecasting and decision making// International Journal of Forecasting. 1994. — № 10. — C.5−15.
- Gorr W.L. Research prospective on neural network forecasting// International Journal of Forecasting. 1994. — № 10. — C. l-4.
- Electronic Statistics Textbook: Neural Networks/ StatSoft Inc. // URL: http://www.statsoft.com/textbook/stathome.html. 1998. — 30c.
- Smith L. An Introduction to Neural Metworks// URL: http://www.es.stir.ac.uk./~lss/NNIntro/InvSlides.html. 1998. — 10 c.
- Neural Network FAQ, part 1 of 7: Introduction, periodic posting to the Usenet newsgroup comp.ai.neural-nets/ Под ред. Sarle, W.S.// URL: ftp://ftp.sas.com/pub/neural/FAQ.html. 1997.
- Hornik, K., Stinchcombe, M., White, H. Multilayer feedforward networks are universal approximators// Neural Networks. 1989. — № 2. -C.359−366.
- White H., Gallant A.R. On Learning the Derivatives of an Unknown Mapping with Multilayer Feedforward Networks// Neural Networks. 1992. -№ 5. — C.129−138.
- White, H. Connectionist Nonparametric Regression: Multilayer Feedforward Networks Can Learn Arbitrary Mappings// Neural Networks. -1990. № 3. — C.535−550.
- Еорбань A.H. Обобщенная анпроксимационная теорема и вычислительные возможности нейронных сетей// Сибирский журнал вычислительной математики. 1998. — Т. 1, № 1. — С. 12−24.
- Farago A. and Lugosi G. Strong Universal Consistency of Neural Network Classifiers// IEEE Transactions on Information Theory. 1993. -№ 39.-C. 1146−1151.
- Simpson P.K. Artificial Neural Systems: Foundations, Paradigms, Applications and Implementations. Pergamon Press, 1990. — 209 c.
- Mehra P., Wah B.W. Artificial Neural Networks: Concepts and Theory. IEEE Computer Society Press Tutorial. — Los-Alamitos, 1992. — 667 c.
- Vemuri V.R. Artificial Neural Networks: Concepts and Control Applications. IEEE CSP Tutorial. Tos-Alamitos, 1992. — 509c.
- Batruni R. A Multilayer Neural Network with Piecewise-Linear Structure and Back-Propagation Learning// IEEE Transactions on Neural Networks. 1991. — May. — T.2, № 3, — C.395−403.
- Bello M.G. Enhanced Training Algorithms, and Integrated Training/Architecture Selection for Multilayer Perceptron Networks// IEEE Transactions on Neural Networks. 1992. — November. — T.3, № 6. — C.864−874.
- Уоссермен Ф. Нейрокомпьютерная техника. M.: Мир, 1992.263 с.
- Kohonen Т. The Self-Organizing Map// Proceedings of the IEEE. -1990. T.78, № 9. — C.1464−1480.
- Pal N.R., Bezdelc J.C., Tsao E.C.-K. Generalized Clustering Networks and Kohonen’s Self-Organizing Scheme// IEEE Transactions on Neural Networks. 1993, July. — T.4, № 4. — C.549−556.
- Mulier F., Cherkassky V. Self-Organization as an Iterative Kernel Smoothing Process//Neural Computation. 1995. — № 7. — C. l 165−1177.
- Кохонен Т. Ассоциативные запоминающие устройства. М.: Мир, 1982.-286 с.
- Werbos P.J. Backpropagation Through Time: What It Does and How to Do It// Proceedings of the IEEE. 1990. — T.78, № 10. — C. 1550−1560.
- Wan E.A., Beaufays F. Diagrammatic Derivation of Gradient Algorithms for Neural Networks// Neural Computation. 1996. — № 8. — C.182−201.
- Williams R.J., Zipser D. A Learning Algorithm for Continually Running Fully Recurrent Neural Networks// Neural Computation. 1989. — № 1. — C.270−280.
- Oit M.J.L. Introduction to radial basis function networks// URL: http://www.cns.ed.ac.uk/people/mark/intro.ps. 1996. — 67 c.
- Chen S., Cowan C.F.N., Grant P.M. Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks// IEEE Transactions Neural Networks. 1991. — T.2, № 2. — C.302−309.
- Karhunen J. Stability of Oja’s PCA subspace rule// Neural Computation. 1994. — № 6. — C.739−747.
- Jolliffe I.T. Principal Component Analysis. Springer-Verlag, 1986.
- Ismail M.A., Kamel M.S. Multidimensional Data Clustering Utilizing Hybrid Search Strategies// Pattern Recognition. 1989. — T.22, № 1. — C.75−89.
- Neural Network FAQ, part 3 of 7: Generalization, periodic posting to the Usenet group comp.ai.neural-nets/ Под ред. Sarle W.S. 1998. — 26 c. -URL: ftp://ftp.sas.com/pub/neural/ FAQ3. html
- Neural Network FAQ, part 2 of 7: Learning, periodic posting to the Usenet group comp.ai.neural-nets/ Под ред. Sarle W.S. 1998. — 39 c. — URL: ftp://ftp.sas.com/pub/neural/FAQ2.html
- Sarle W.S. Measurement Theory: Frequently Asked Questions// URL: http://ftp.sas.com/pub/neural/measurement.html. 1996. — 11 c.
- Sarle W.S. How to Measure Importance of Inputs// URL: http://ftp.sas.com/pub/neural/importance.html. 1998. — 17 c.
- Shao J. Linear Model Selection by Cross-Validation// Journal of the American Statistical Association. 1993. — 88, № 422. — C.486−492.
- Stone M. Asymptotics for and against cross-validation.// Biometrika. 1977. -№ 64.-C.29−35.
- Kearns M. A bound on the error of cross validation using the approximation and estimation rates, with consequences for the training-test split// Neural Computation. 1997. — № 9. — C. 1143 -1161.
- Zhu H., and Rohwer R. No free lunch for cross-validation// Neural Computation. 1996. — № 8,-C. 1421−1426.
- Breiman L., Spector P. Submodel Selection and Evaluation in Regression. The X-Random Case// International Statistical Review. 1992. -T.60, № 3. — C.291−319.
- Tibshirani R. A comparison of some error estimates for neural network models// Neural Computation. 1996. — № 8. — C. 152−163.
- Efron B. Estimating the error rate of a prediction rule: Improvement on cross-validation// Journal of the American Statistical Association. 1983. -№ 78.-C.316−331.
- Efron B. How biased is the apparent error rate of a prediction rule?// Journal of the American Statistical Association. 1986. — № 81. — C.461−470.
- De Angelis D., Young G.A. Smoothing the Bootstrap// Internationa. Statistical Review. 1992. — T.60, № 1. — C.45−56.
- Sarle, W. S. Stopped Training and Other Remedies for Overfitting// Proceedings of the 27th Symposium on the Interface of Computing Science and Statistics. 1995. — C.352−360. — URL: ftp://ftp.sas.com/pub/neural/ inter95.ps.Z.
- MacKay, D. Bayesian methods for neural networks FAQ. — 1998. -34 c. — URL: ftp://wol.ra.phy.cam.ac.uk/pub/www/mackay/BayesFAQ.html
- Raftery, A.E. Bayesian Model Selection in Social Research/ Под ред. Marsden, P.V.// Sociological Methodology Cambridge. MA: Blackwell. -1995. — 61c. — URL: ftp://ftp.stat.washington.edU/pub/tech.reports/bic.ps.z
- MacKay, D.J.C. Comparison of Approximate Methods for Handling Hyperparameters// URL: ftp://wol.ra.phy.cam.ac.uk/pub/www/mackay/ alpha.ps.gz. (submitted to Neural Computation) 1997. — 25 c.
- Neal, R.M. Probabilistic Inference Using Markov Chain Monte Carlo Methods// URL: ftp://ftp.cs.utoronto.ca/pub/radford/review.ps.Z. 1993. -140c.
- Wolpert D.H. The lack of a priori distinctions between learning algorithms//Neural Computation. 1996. — № 8. — C. 1341−1390.
- Wolpert D.H. The existence of a priori distinctions between learning algorithms// Neural Computation. 1996. — № 8. — C.1391−1420.
- Tetko I.V., Livingstone D.J., and Luik A.I. Neural Network Studies. 1. Comparison of Overfitting and Overtraining// J. Chem. Info. Сотр. Sci. -1995,-№ 35.-C.826−833.
- Технология подземной разработки месторождений полезных ископаемых. Учебник для вузов/ Под общ. ред. А. С. Бурчакова. 3-е изд., перераб. и доп. М., Недра, 1983. 487 с.
- Makridakis S., Wheelwright S.C. Forecasting Methods for Management. 5th edition. New York: Wiley. — 1998.
- Томас, Р. Количественные методы анализа хозяйственной деятельности/ Пер. с англ. М.: Издательство «Дело и Сервис», 1999. -432с.
- Мазмишвили А.И. Способ наименьших квадратов. М.: Недра, 1968.-440с.