基于灰色关联分析的PSO-BP算法预测矿震危险性

• 作者: 刘浪 杨珊 陈建宏 韩玉建
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 矿震 神经网络 灰色关联分析 粒子群优化 杂交 贡献值 变量选择
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 地质工程·土木工程
• 页码范围: 2400-2405
• 分类号: TD325.2
• 字数: 4878字
• 语种: 中文

摘要

以矿山微震监测数据为基础,结合地质、开采条件等因素,建立矿震危险性神经网络预测模型.首先,利用神经网络变量选择的方法,根据BP神经网络的权值和阈值,对多因素诱导的矿震危险性进行分析；然后,通过灰色关联分析消除输出指标的偶然性,建立基于矿震能量消噪值的神经网络,对矿震危险性进行预测;最后,用基于杂交的粒子群算法优化神经网络.研究结果表明:矿震危险性受爆破药量、岩层强度比、开采深度和空区体积的影响非常大,占总影响值的87.35％,而受其他因素的影响较小,说明矿震与开采深度和空区规模之间呈高度的非线性关系；采用该预测模型使BP网络的收敛速度加快,训练精度较高,预测结果的相对误差下降52.64％.该模型对硬岩金属矿山的矿震活动研究有一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建宏	中南大学资源与安全工程学院	271	2254	22.0	32.0
2	杨珊	中南大学资源与安全工程学院	55	328	11.0	16.0
3	刘浪	中南大学资源与安全工程学院	28	419	10.0	20.0
4	韩玉建	中南大学资源与安全工程学院	4	39	3.0	4.0