矿山深部开采覆岩沉陷预测的改进粒子群优化BP模型

• 作者: 陈健峰
• 来源期刊: 金属矿山
• 学科: 工学
• 关键词: 开采沉陷 深部开采 BP神经网络 粒子群优化算法 预测精度
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 地质与测量
• 页码范围: 128-132
• 页数: 5页
• 分类号: TD325
• 字数: 2840字
• 语种: 中文

摘要

为提高矿山深部开采覆岩沉陷的预测精度,以吉林省某矿山为例,将覆岩抗压强度、工作面推进距离、采厚、煤层倾角、采深作为开采沉陷预测的主要影响因素,以煤层倾角、工作面推进距离、采厚等参数作为预测模型的输入值,将最大沉陷值作为预测模型的输出值,构建了BP神经网络开采沉陷预测模型.针对经典BP神经网络模型在训练时具有学习速度慢、抗干扰能力弱以及易陷入局部最小值等不足,采用一种改进型粒子群优化算法对其进行了优化,构建了改进粒子群优化BP神经网络模型.试验表明:①所提模型的平方相关系数R2为0.932、平均绝对误差eME为0.195、平均相对误差eMRE为0.082、训练时间t为21.5 s、均方误差eMSE为0.0671;②经典BP神经网络模型的平方相关系数R2为0.802、平均绝对误差eME为0.605、平均相对误差eMRE为0.255、训练时间t为30.9 s、均方误差eMSE为0.0891;③PSO-BP神经网络模型的平方相关系数R2为0.825、平均绝对误差eME为0.382、平均相对误差eMRE为0.216、训练时间t为23.5 s、均方误差eMSE为0.0782.可见,所提模型具有较高的训练效率,拟合效果较好且预测精度较高,对于大幅提升矿山开采沉陷预测精度有一定的借鉴价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈健峰	河北能源职业技术学院经济与管理系	11	27	3.0	4.0