刘艳冬,卢兰萍,刘林林,王铁计,靳子栋,李大屯

• 1:河北工程大学土木工程学院
• 2:冀中能源峰峰集团
• 3:邯郸市宝峰有限公司九龙矿

摘要(Abstract)：

BP神经网络虽然具备了解决非线性问题的能力，不过依然存在收敛速度慢，易陷入局部最优等问题，为了提高煤层底板突水量等级预测的准确性，提出一种新的方法，使用具有较强全局搜索能力的遗传算法来优化权值和阈值取代BP神经网络中随机初始的权值和阈值。以九龙矿区煤层底板突水实测资料为基础，建立了采用遗传算法优化的BP神经网络（GA-BP神经网络）预测煤层底板突水量等级模型。结果表明：该预测模型相对于BP神经网络模型预测性能更优，预测准确率提高了11%。

关键词(KeyWords)： 遗传算法优化;GA-BP神经网络;煤层底板;突水量等级

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目（41902254）;; 河北省自然科学基金生态智慧矿山联合基金资助项目（D2020402013）

作者(Author): 刘艳冬,卢兰萍,刘林林,王铁计,靳子栋,李大屯

参考文献(References)：

• [1]李飞，孔德中，汪洋等.我国煤层底板突水机理与防治研究现状及展望[J].煤矿安全，2022,53(11):200-206.
• [2]郭文彬.矿山压力理论的研究现状及发展前景[J].内蒙古煤炭经济，2017(17):40,46.
• [3]何廷峻.应用Wilson铰接岩块理论进行巷旁支护设计[J].岩石力学与工程学报，1998(2):63-67.
• [4]王延福，靳德武，曾艳京.矿井煤层底板突水预测新方法研究[J].水文地质工程地质，1999(4):35-39.
• [5]闫志刚，杜培军，张海荣.矿井突水信息处理的SVM-RS模型[J].中国矿业大学学报，2008(3):295-299.
• [6]张承斌.基于BP神经网络的煤层底板突水量等级预测[J].能源环境保护，2022,36(6):101-109.
• [7]刘艺繁，阎春平，倪恒欣等.基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策[J].中国机械工程，2021,32(9):1043-1050.
• [8]林达，陈志坚.基于遗传算法与Weibull模型的软土地基沉降预测[J].中国煤炭地质，2016,28(8):63-67.
• [9]赵铭生，刘守强，纪润清，等.基于遗传算法优化BP神经网络的华北型煤田矿压破坏带深度预测[J].矿业研究与开发，2020,40(6):89-93.
• [10]赵健，卢俊强，吴金平，等.BP神经网络在随钻超声成像测井数据处理中的方法研究（英文）[J].Applied Geophysics,2021,18(2):159-170,273.
• [11]薛喜成，田凡凡.基于数据优化的BP神经网络煤层底板破坏深度预测[J].中国煤炭地质，2021,33(9):8-12.
• [12]王志明，泮丽银.Kolmogorov-Tamarkin紧性定理的推广[J].数学杂志，2012,32(5):925-929.
• [13]墨蒙，赵龙章，龚嫒雯，等.基于遗传算法优化的BP神经网络研究应用[J].现代电子技术，2018,41(9):41-44.
• [14]叶云，赵小娟，胡月明.基于GA-BP神经网络的珠三角耕地质量评价[J].生态环境学报，2018,27(5):964-973.
• [15]王冰玉，孙威江，黄艳，等.基于遗传算法的安溪铁观音品质快速评价研究[J].光谱学与光谱分析，2017,37(4):1100-1104.