基于GA-BPNN的巷道围岩变形模量预测

金属矿山 ›› 2013, Vol. 42 ›› Issue (03): 9-13.

基于GA-BPNN的巷道围岩变形模量预测

王德永^1,2，袁艳斌¹，陈颖¹

1．武汉理工大学资源与环境工程学院；2．平顶山工业职业技术学院计算机系

出版日期:2013-03-15 发布日期:2013-04-16
基金资助:
* 国家高技术研究发展计划（863计划）项目（编号：2009AA12201），平顶山市科技创新人才计划项目（编号：2012061）。

Prediction of Surrounding Rock Deformation Modulus of Roadway Base on GA-BPNN

Wang Deyong^1,2，Yuan Yanbin¹，Chen Ying¹

1.School of Resources and Environmental Engineering，Wuhan University of Technology；2.Department of Computing，Pingdingshan Industrial College of Technology

Online:2013-03-15 Published:2013-04-16

摘要/Abstract

摘要： 研究了遗传算法（GA）在设计和优化BPNN结构时的效能和它在预测岩体变形模量的应用，利用GA找到隐藏层神经元的最优数量以及隐含与输出层的学习因子和动量因子，然后和试错过程进行比较。采用了来源于实际巷道测量的76组数据集验证该方法。利用MSE，MAE，R等性能标准，证明GA-BPNN模型在岩体变形模量预测方面优于BPNN试错模型。

关键词: 巷道围岩, 变形模量, 预测, GA-BPNN

Abstract: The effectiveness of the genetic algorithm (GA) in the design and BPNN structure optimization and its application in the prediction of rock mass deformation modulus was researched. GA is used to find out the optimal number of neurons in the hidden layer and learning factor and momentum factor of the hidden layer and output layer，and then compared with the trial-and-error process. 76 groups of data sets derived from the actual roadway were used to validate this method. With performance criteria such as MSE，MAE and R，it is proved that GA-BPNN model is better than BPNN trial-and-error model in the prediction of rock mass deformation modulus.

Key words: Surrounding rock, Deformation modulus, Prediction, GA-BPNN

王德永, 袁艳斌, 陈颖. 基于GA-BPNN的巷道围岩变形模量预测[J]. 金属矿山, 2013, 42(03): 9-13.

WANG De-Yong, YUAN Yan-Bin, CHEN Ying. Prediction of Surrounding Rock Deformation Modulus of Roadway Base on GA-BPNN[J]. Metal Mine, 2013, 42(03): 9-13.

[1]	李如仁, 李梦晨, 葛永权, 刘明霞. 融合多源因素回归和ARIMA-LSTM 的露天矿地表形变趋势分析[J]. 金属矿山, 2025, 54(1): 186-.
[2]	杨　军, 李立杰, 刘红岩. 露天台阶爆破智能设计系统研发及应用[J]. 金属矿山, 2025, 54(1): 160-.
[3]	姜庆宏, 张靖雯, 郑春丽, 王　哲, 龙文毫. 鄂尔多斯红庆河采煤矿区生态需水研究[J]. 金属矿山, 2024, 53(9): 260-.
[4]	刘增波, 徐良骥, 张　坤, 刘潇鹏, 曹宗友, 徐　阳. 融合SBAS-InSAR 与CS-SVM 的矿区地表残余沉降预测模型[J]. 金属矿山, 2024, 53(8): 133-.
[5]	王　娟, 吴禄源, 袁　超. 不同裂隙几何特征岩石强度智能预测研究[J]. 金属矿山, 2024, 53(8): 45-.
[6]	伍世虔, 叶　健, 孙继林, 银开州. 露天矿台阶爆破参数优化模型与求解研究[J]. 金属矿山, 2024, 53(7): 146-.
[7]	赵　奎, 杨　溪, 熊良锋, 曾　鹏, 龚　囱, 刘　宇. 不同含水状态砂岩裂纹稳定扩展阶段损伤特征[J]. 金属矿山, 2024, 53(7): 41-.
[8]	耿　楠, 吴明春, 李　显, 樊亚男. 尾矿资源化利用制备水泥注浆料的无侧限抗压强度预测[J]. 金属矿山, 2024, 53(6): 242-.
[9]	范明星, 任高峰, 吴文博, 鲁习奎, 李吉民, 张聪瑞. 基于降雨量数据的程潮铁矿涌水量时序性预测模型[J]. 金属矿山, 2024, 53(6): 212-.
[10]	吕靖烨, 王美君, 李　晟. 节理发育区巷道锚杆支护参数优化研究[J]. 金属矿山, 2024, 53(5): 220-.
[11]	陈延康, 郭广礼, 孟　浩, 张连贵, 郑　辉, 李怀展, 张浩宇. 陕蒙矿区深部开采导水裂隙带发育特征与高度预测方法[J]. 金属矿山, 2024, 53(4): 186-.
[12]	李如仁, 葛永权, 李梦晨, 孙加瑶, 王彦平, 刘明霞. 基于InSAR-COMSOL 的露天矿边坡稳定性分析及形变预测[J]. 金属矿山, 2024, 53(3): 172-.
[13]	徐志华, 杨　旭, 孙钱程, 何钰铭, 张国栋, 叶义成. 基于多变量自优化动态神经网络的“ 阶跃型” 滑坡变形预测[J]. 金属矿山, 2024, 53(3): 74-.
[14]	卜显忠, 杨怡琳, 宛　鹤. 基于浮选泡沫图像预测精矿品位的研究进展[J]. 金属矿山, 2024, 53(2): 25-.
[15]	童保国, 姜福领, 毕寸光, 王　亮, 田坤云. 基于LSTM 改进Transformer 的煤自燃温度预测模型[J]. 金属矿山, 2024, 53(12): 275-.

扫码分享