矿区开采沉陷预计的改进BP神经网络模型

• 作者: 戎晓力 林阳 陈海燕
• 来源期刊: 金属矿山
• 学科: 工学
• 关键词: 开采沉陷 BP神经网络模型 粒子群优化算法 遗传算法 偏差平方和
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 地质与测量
• 页码范围: 119-122
• 页数: 4页
• 分类号: TD325
• 字数: 2333字
• 语种: 中文

摘要

为精确预计锦界矿某工作面开采沉陷,首先结合该工作面的地质资料、采掘工作平面图及孔柱状图,采用FLAC3D软件建立了该工作面开采沉陷仿真模型,得到工作面推进100、300、500、700 m时的开采沉陷数据;其次基于该类数据对BP神经网络预计模型进行训练和验证,建立沉陷数据与工作面推进距离的非线性关联;然后用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络模型的结构参数和连接权值阈值进行优化,并引入遗传算法(Genetic algorithm,GA)中的自适应变异因子以一定概率初始化部分变量,以解决PSO算法易陷入局部最优解的问题,避免BP神经网络模型易陷入局部最小值、训练收敛速率低以及PSO算法易早熟收敛等问题.分别采用BP神经网络模型、PSO-BP神经网络模型以及所提模型进行试验对比,并引入偏差平方和(Sum of squares for total,SST)对各模型的预计精度进行评价,研究表明:在工作面分别推进100,300,500 m的情况下,BP神经网络模型的SST值分别为0.056,0.062,0.066,PSO-BP神经网络模型的SST值分别为0.049,0.054,0.048,所提模型的SST值分别为0.028,0.026,0.031,明显小于前两者,表明该模型有助于提高矿区开采沉陷预计精度,有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戎晓力	解放军理工大学国防工程学院	26	687	8.0	26.0
3	陈海燕	北京电子科技职业学院电信工程学院	31	95	6.0	9.0