基于PSO-BP神经网络的导水裂隙带高度预测

• 作者: 娄高中 谭毅
• 来源期刊: 煤田地质与勘探
• 关键词: 粒子群优化算法 BP神经网络 导水裂隙带高度 影响因素 预测模型
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 水文地质 工程地质 环境地质
• 页码范围: 198-204
• 页数: 7页
• 分类号: TD823.83
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1986.2021.04.024

摘要

导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数.近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题.为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型.选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比.结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55％;BP神经网络预测模型的平均相对误差为4.8％,经验公式的最小相对误差为9.4％,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度.