基于GA-BP神经网络的概率积分法预计参数研究

牛亚超^1,2，徐良骥^1,2，张坤^1,2，叶伟^1,2，张劲满^1,2，姜宝兴¹

1. 安徽理工大学测绘学院2. 深部煤矿采动响应与灾害防控国家重点实验

摘 要：针对BP神经网络的不足,为提高概率积分法预计开采沉陷的准确性,采用遗传算法（GA）优化BP神经网络,建立了一种基于GA-BP神经网络的概率积分法参数预计模型。将多组地表观测站实测数据分为训练样本和检验样本,以工作面的7个地质采矿条件参数为输入集,5个概率积分法预计参数为输出集,通过GA优化的BP神经网络机器学习方法对训练样本进行训练,利用训练模型预计检验样本的概率积分法参数,并与观测站实测数据进行了对比分析。研究表明:对于不同地质采矿条件下的概率积分法参数进行预计时,GA-BP模型明显优于BP神经网络和偏最小二乘模型,平均相对误差最大为8.64%,预计精度可靠性较高。

关键词：开采沉陷;概率积分法;遗传算法;BP神经网络;参数预计;