基于JADE-ELM的煤巷围岩稳定性预测

摘要：

为了对煤巷围岩稳定性进行科学、准确的预测,提出了一种将自适应差分进化算法(JADE)与极限学习(ELM)结合的煤巷围岩稳定性预测新方法.基于ELM训练速度快、泛化能力好和易获取全局最优解的优点,采用JADE优化ELM的输入权值矩阵和隐含层偏差,减少随机性造成的误差,建立JADE-ELM煤巷围岩稳定性预测模型.利用霍州煤矿区煤巷实测数据进行实例分析,并将预测结果与ELM、BP、RBF神经网络比较.结果显示:JADE-ELM模型预测平均精度为97.85％,比ELM、BP、RBF模型分别高出4.05％、17.85％、22.85％,JADE-ELM模型具有更高的预测精度,能够更准确的对煤巷围岩稳定性进行预测.

关键词：煤巷、围岩稳定性、自适应差分进化算法、极限学习机、仿真预测

所属期刊栏目：48

分类号：TD325+.1(矿山压力与支护)

在线出版日期：2018-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：198-201