一种基于BP神经网络建模的冲击地压动态预测方法

摘要

本发明涉及一种基于BP神经网络建模的冲击地压动态预测方法，其步骤：确定并采集冲击地压影响因素；对影响因素指标中定性描述部分进行定量化处理，获得初始种群；将采集到的八项影响因素分别进行BP神经网络训练；利用遗传算法对神经元个数、算法学率及动量因子寻优，获得最优隐含层节点数目；利用训练得到BP神经网络算法模型对矿井的冲击地压进行预测，获得矿井冲击地压的危险级别。本发明可靠性较高，克服了目前冲击地压预测过程中并未与其影响因素相联系的缺陷，实现了冲击地压中短期动态预测，可以广泛在矿山冲击地压预测领域中应用。

主权项

一种基于BP神经网络建模的冲击地压动态预测方法，其特征在于：所述预测方法包括以下步骤：1)根据矿井实际情况，确定冲击地压影响因素，并采集这些影响因素的特征数据；2)对步骤1)中的影响因素指标中定性描述部分进行定量化处理，获得初始种群，将冲击地压分为四个危险级别：无明显冲击、微弱冲击、较强冲击和强烈冲击；3)将采集到的八项影响因素的全部数据存储到数据库中，并分别进行BP神经网络训练，获得BP神经网络模型参数和输入层和隐藏层之间的连接权重W_ij、隐藏层和输出层之间的连接权重W_jk；4)利用遗传算法对神经元个数h、算法学习率η及动量因子α寻优，获得最优隐含层节点数目；5)利用步骤3)及步骤4)训练得到BP神经网络算法模型对矿井的冲击地压进行预测，获得矿井冲击地压的危险级别。