文献类型：期刊文章

作　　者：娄高中[1] 谭毅[2,3]

LOU Gaozhong;TAN Yi(School of Civil and Architectural Engineering,Anyang Institute of Technology,Anyang 455000,China;School of Energy Science and Engineering,Henan Polytechnic University,Jiaozuo 454003,China;State CollaborativeInnovation Center of Coal Work Safety and Clean-Efficiency Utilization,Jiaozuo 454003,China)

机构地区：[1]安阳工学院土木与建筑工程学院,河南安阳455000 [2]河南理工大学能源科学与工程学院,河南焦作454003 [3]煤炭安全生产与清洁高效利用省部共建协同创新中心,河南焦作454003

出　　处：《煤田地质与勘探》

基　　金：国家自然科学基金项目(51774111);河南省科技攻关项目(212102310406);安阳工学院博士科研基金项目(BSJ2019028)。

年　　份：2021

卷　　号：49

期　　号：4

起止页码：198-204

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、核心刊

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。

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  

分 类 号：TD823.83]