MPSO-BP模型在矿井突水水源判别中的应用

作者：徐星; 李垣志; 张文勇; 曾珠

来源：自然灾害学报, 2017, 26(05): 140-148.

DOI：10.13577/j.jnd.2017.0516

• 矿井突水
• 水源判别
• BP神经网络
• 粒子群优化算法
• 泛化性

突水水源判别是矿井防治水工作的重要环节。为准确有效地判别矿井突水水源,选取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46种离子作为判别突水来源的依据。对粒子群的惯性权重、两个学习因子进行非线性和线性改进,并引入变异算子对粒子的飞行速度进行改进,提高了标准粒子群(SPSO)算法的性能,确保了粒子群在进化过程中的多样性。运用改进的粒子群(MPSO)算法优化BP神经网络的初始权值与阈值,以某矿的20组水源样本作为训练样本进行学习与训练,并用建立好的MPSO-BP突水水源判别模型对6组待测样本进行判别,并对适应度进化曲线和判别结果进行详细的分析与推理。应用结果表明:相比于SPSO算法,MPSO算法在优化BP神经网络过程中具有全局搜索能力更强、收敛速度更快、精度更高的优点,能够有效克服SPSO算法易早熟收敛的缺点;MPSO-BP模型应用于矿井突水水源的判别具有可行性,其判别结果的精度及稳定性明显优于BP模型和SPSO-BP模型,其具有判别泛化性更强的特点。因此,该方法在判别矿井突水水源方面具有一定的实用价值与开发潜力。

• 出版日期2017
• 单位河南工程学院; 河南理工大学