基于NPCA-GA-BP神经网络的采场稳定性预测方法

摘要：

为提高采场稳定性的预测精度,充分考虑采场稳定性高度非线性和受多因素影响的特点,提出了一种基于NPCA-GA-BP神经网络的采场稳定性预测方法.选择影响采场稳定性的10个指标,运用非线性主成分分析减少指标的维度,提取4个主成分综合指标代替原有的10个指标,简化了神经网络结构,提升了运算速度.利用GA的全局寻优特点优化BP神经网络的权值和阈值,进一步增加了神经网络预测精度.以某矿山实测数据为例,对该预测方法进行验证,对比结果显示:NPCA-GA-BP和GA-BP模型的平均相对误差比BP模型分别降低了10.5％和7.6％,表明通过遗传算法优化BP神经网络可显著提高预测精度;NPCA-GA-BP模型的平均相对误差比GA-BP模型降低了2.9％,表明通过非线性主成分分析减少了变量的维度,提高了预测准确率.研究表明:NPCA-GA-BP预测方法具有更高的采场稳定性预测精度,对实现智慧矿山有一定的指导意义.

关键词：采场稳定性、预测精度、非线性主成分分析、遗传算法、BP神经网络、非线性相关

所属期刊栏目：30

分类号：TD327(矿山压力与支护)

资助基金：国家自然科学基金;中南大学研究生自主探索创新项目

在线出版日期：2022-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：272-281