基于PSO-RBF神经网络模型的岩爆倾向性预测

摘要：

鉴于岩爆机理的复杂性以及岩爆发生前后信号提取困难的现状,对高应力区进行岩爆倾向性预测研究具有现实意义.为提高岩爆预测的准确性,基于岩爆预测多维非线性的特点,选取4个影响岩爆发生的核心指标作为判决依据,结合粒子群优化算法(PSO)与径向基神经网络(RBF)建立了PSO-RBF神经网络岩爆预测模型.采用试错法确定隐含层节点数后,进一步利用国内外典型工程数据对模型参数隐含层基函数中心ci,隐含层节点宽度σi以及隐含层与输出层间权重因子w进行学习优化以获取最优参数,并将所建立的模型应用于实际工程的岩爆倾向性预测.结果表明:利用该模型预测的岩爆等级与实际岩爆情况基本相符,相对误差率为10％,精度较以往预测方法有显著提高.

关键词：岩石力学、岩爆预测、岩爆倾向性、RBF神经网络、粒子群优化、智能优化

所属期刊栏目：28

分类号：TU-45

资助基金：国家自然科学基金重点项目"深部资源开采诱发岩体动力灾害机理与防控方法研究"编号:41630642

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：134-141