基于灰色关联分析的PSO‐BP算法预测矿震危险性
详细信息
- 责任者：刘浪^c中南大学^d1985^e博士研究生 ; 陈建宏 ; 杨珊 ; 韩玉建
- 刊名：中南大学学报（自然科学版）
- 出版年：2011
- 卷期：42^b8总204
- 关键词：矿震 ; 地震危险性20^a煤田 ; 采矿 ; 神经网络系统 ; 灰色关联度分析 ; 预测 ; 地质灾害 ; 危险评估30^a粒子群优化
- 页码：2400～2405
- 索书号：P706.6/140
- 图表：^c表4参16插图
- 分类号：1700
- 文摘期号：2012/02
摘要
以矿山微震监测数据为基础，结合地质、开采条件等因素，建立矿震危险性神经网络预测模型。首先，利用神经网络变量选择的方法，根据BP神经网络的权值和阈值，对多因素诱导的矿震危险性进行分析;然后，通过灰色关联分析消除输出指标的偶然性，建立基于矿震能量消噪值的神经网络，对矿震危险性进行预测;最后，用基于杂交的粒子群算法优化神经网络。研究结果表明:矿震危险性受爆破药量、岩层强度比、开采深度和空区体积的影响非常大，占总影响值的87.35%，而受其他因素的影响较小，说明矿震与开采深度和空区规模之间呈高度的非线性关系;采用该预测模型使BP网络的收敛速度加快，训练精度较高，预测结果的相对误差下降52.64%。该模型对硬岩金属矿山的矿震活动研究有一定的参考价值。