1、“.....结果显示灰色关系群集是种有效地方法，同时神经网络能够很好对短期效应做出预测，结合灰色神经网络对时间依赖的波动趋势特点得出改善的方法，应用简单的要素结合神经网络预测灰色波动趋势，描述在深部入口的围岩稳定控制。前言美国灰色系统技术的不确定性和贫乏的小样本资料。与随着发展而产生的未知信息，真实的世界将被发现，系统运行的实际行为将会被正确掌握。通过与原有稳定信息，结合灰色系统的图像预处理法，尽管现实世界是表达复杂和不断的变幻地，但能能够揭露些内在规律。这个研究是基于灰色系统技术的基于已知信息而产生部分未知信息中获取可靠有价值的规律，正确认识和有效的控制系统的行为。神经网络依赖它的内在关系模型，该模型是自发的，自觉适应的......”。

2、“.....如人的思想系统。灰色关联分析的几何参数的关系曲线，确定程度越靠近曲线形状相似度越大，相应的序列相关性越好。相似的相关系数和关联度的影响结果受多种因素的制约。更大的影响关系是同时分析了实用的系统，数据系列的行为特征。此外，它还可以确定有效的影响因素，即选择系统各自的行为特征,。虽然这个目标体系的发展和表达，其复杂的逻辑规律变化仍然是以不同功能实现的，但实质是协调统的。因此，如何找到它的内在发展规律的分散稳定似乎都是很重要的。针对上述描述，可以发现，结合灰色关联聚类将对煤矿深部入口围岩稳定性控制产生重大影响。结合灰色神经网络模型的建立将分析解决这问题。二灰色关系群集灰色关系群集作为通用的灰色趋势关系系统，等人做了大量的工作......”。

3、“.....最基本的理念对他的研究作了简要介绍。相似的,在这个动态系统的行为才能用灰色趋势的关系。借助于隐性的系统运行规律也许可以更贴切地描述。般而言，般系统理论应用于般体系的基础上，结合体系化的分析模型，并推导出。假定是所规定的因素，是对比因素，是在,中的参数。这个矩阵即是，矩阵在和然而对这种趋势关系及这种趋势关系函数是被限定的。及都属于般的体系，其中。本文为了说明并使其适合应用，先将对些定义在此介绍。是对系统空间的评价，和是评价功能。因此，在和评价空间之间的关系被描述成因此，般的体系模型是广义的，包括利用进行问题的分析。为了解决不同的问题，应该对,和是不样的，矩阵的基础上，聚类方法，观察指标或物体分成许多可定义分类。这个类可以被看作是观察对象的不同的种类。事实上......”。

4、“.....通过聚类相同的分类因素和复杂的系统将会被简化。，系统这个因素,有因素。每个代表了个序列。为特定的关联映射，这种趋势在提到的关系因素，。由和组成的系统被称为自身相关系统。是个矩阵，是评价尺度，而是评价空间。至于，是聚类分析的极限，同时这评价尺度被限定为。和是特征同类项。在极限中的分类，系统特征的可变因素为趋势关系群集，这个系统输出的聚类,主要表现。而是套包括组的特征变量，同上，同时。灰色关联度预测假定是对时间依赖的序列，而是已知的模型组。每个模型针对序列可以由群预测数据，。为属于和。的含义，与和相同的。和诗预测组是预测体系，当为预测和评价尺度，且是系统预测效果的评价空间，体系被映射成。三利用,预测序列是种最常见的应用......”。

5、“.....获得了些预测误差规律和许多不同的可能出现的独立模型将安装到许多相关的序列，它是可以不考虑持是用来消除了局部应力积累，取得了良好的效果。压力积累下来的安全许可范围，是用以确保正常的煤炭深入口应力回复。因此，演算结果均符合围岩应力值，这是样的，可以指导在深部开采工作面的生产实践。表培训和检验数据数据拉伸弹性泊松比可视密度内部剩余剩余拉伸强度系数摩擦内聚力内摩擦内聚力强度角角五结论利用灰色的控制理论，建立了灰色关联度预测模型。实际应用的分析表明，它是完全有能力反映围岩稳定及控制上隅角的变化。动态预测模型不仅可以预测的围岩应力变化趋势，而且可检测影响围岩应力变动的主要因素。然而，原始数据的动态预测模型，低于所必需的要求。般来说......”。

6、“.....只考虑影响采煤工作面，其压力和抗拉强度可以通过建模分析。处理各种影响围岩应力分布和应力累积因素的结果。以模型为基础，结合影响因素围岩压力积累，可以在坐标上标出了复杂的非线性关系。改进算法，可以加快收敛速度，避免振动计算和克服局部最小值。培训和检查后，生成的神经网络的正确性和实用性，在随后的修改和完善应用，是必要的。成功的应用实例表明，神经网络和灰色关联聚类是分析压力累积的有效方法。间关系的稳定序列。般来说，这个缺陷可以通过设置结合模式来解决，如应用灰色神经网络组合预测模型。为输入样本，而为单独输入，这隐含的节点输入，重量结合隐性和输出节点这个连接权重值为,隐含节点之间的输入信号传送给隐含节点的输入。即输入第隐含节点为......”。

7、“.....为径向函数也是类高斯核函数。为输入样本。为中心的径向基函数的神经元。是宽度参数的径向基函数的神经元。是欧氏标准分，隐节点的活化作用有不同的表达。高斯核函数，常被使用，并输出神经网络为，两个阶段包括在径向基函数神经网络。在所有的隐节点中和按开平均聚类算法计算，所有的输入样本在第阶段。然后，根据神经网络尝试样本和最小二乘法拟合方法，解决了隐层后的参数计算。依据合理的参数和预测原理，输入和输出稳定性基于径向基函数可以计算，预测功能可在工具实现。结合神经网络灰色神经网络建立了预测模型。系列的预测值能获得稳定的原序列，同时,应用到许多系列。但是仍然存在定的偏差，与原系列存在直观差距。因此，基于之间的关系，提出了系列带偏差的预测，并对原来的稳定性加以考虑......”。

8、“.....与原来的稳定性和输出样本。用种稳定结构，网络将接受演算，演算的重量和系列可获得的极限值。作为对算法的预测，详细介绍，参考预测在个或多个不同的时间，不同的,是演算的输入的网络，最后预测在接下来的时间或下个不同的时间将会被执行。,对煤矿深部围岩稳定控制项目，这是个很复杂的内部变量产生稳定系统之初的模型建立问题。这个变量的模型的解释，应该选择正确。方面依靠进步研究和认知的模型，对系统的建造另方面，进行了定量分析。为了解决这个问题，灰色关联原则将带来积极的方案。将作为系统变量，是正面或负面的相关因素表现于和的关系坐标中。给出了较低的极限值，当可以被忽略，在解释变量与弱性关系可以删除的稳定系统中，网络和使用方法，对网络的输入及变量的选择，均可简化输入样本......”。

9、“.....由神经网络预测模型的优化组合预测价值。预测误差为与均为独立的。相应的加权系数为和，同时因此，误差和变量描述为。对，为了确定功能的最小值，需且显然此时同时，由于，让，然后加权系数的组合预测为四个案研究在这个过程中对煤矿深部入口围岩稳定性控制，在煤矿安全生产中围岩稳定控制参数不准确也会引起严重的事故。如何预测控制围岩的稳定性和控制围岩的稳定性在临界条件下的灾害和困难。在恢复过程中对围岩稳定性控制，受多种因素的影响和制约因素，如抗拉强度弹性模量跳跃扩散率外观内部摩擦角密度内聚力剩余内部摩擦角残留的内聚力抗拉强度等。因此，对围岩稳定性控制系统需要种多变量系统的特征方程的描述，围岩控制的稳定变化和复变函数关系的因素，这是很难用同解析式定量描述的......”。