文献类型：期刊文章

作　　者：施龙青[1] 吴洪斌[1] 李永雷[2] 吕伟魁[3]

SHI Longqing;WU Hongbin;LI Yonglei;LYU Weikui(College of Earth Sciences and Engineering,Shandong University of Science and Technology,Qingdao 266590,Shandong,China;Jining Energy Development Group Co.,Ltd.,Jining 272000,Shandong,China;Shandong New Julong Energy Co.,Ltd.,Heze 274918,Shandong,China)

机构地区：[1]山东科技大学地球科学与工程学院,山东青岛266590 [2]济宁能源发展集团有限公司,山东济宁272000 [3]山东新巨龙能源有限责任公司,山东菏泽274918

出　　处：《河南理工大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51804184,41807283);山东省自然科学基金资助项目(ZR2020KE023)。

年　　份：2021

卷　　号：40

期　　号：4

起止页码：10-18

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对矿井水害防治中导水裂隙带发育高度难以准确预测的问题,结合煤矿生产实际和工程地质理论,选取采深s、硬岩岩性比例系数b、采高(煤层厚度)M、工作面斜长l、顶板单轴抗压强度为主要影响因素,运用灰色关联分析法(GRA)分析各主要影响因素与导水裂隙带发育高度的相关性,并将主成分分析(PCA)、遗传算法(GA)和优化的Elman神经网络相结合,建立导水裂隙带发育高度预测的PCA-GA-Elman优化模型。结果表明:PCA-GA-Elman优化模型能有效消除因素间的相互影响,并能优化初始权值和阈值,使导水裂隙带发育高度预测更加准确。与PCA-Elman和PCA-BP预测模型相比,PCA-GA-Elman优化模型预测的导水裂隙带发育高度相对误差仅为-6.34%~0.18%。

关 键 词：导水裂隙带 发育高度 主成分分析 遗传算法  ELMAN神经网络 PCA-GA-Elman优化模型  

分 类 号：TD745]