| 基于9种无约束优化算法的岩爆预测BP模型优选 |
| |
| 引用本文： | 王超,李岳峰,邵琳,张亚平,徐健珲,王航龙.基于9种无约束优化算法的岩爆预测BP模型优选[J].昆明理工大学学报(理工版),2021,46(5):32-37. |
| |
| 作者姓名： | 王超 李岳峰 邵琳 张亚平 徐健珲 王航龙 |
| |
| 作者单位： | 昆明理工大学 国土资源工程学院,云南 昆明650093;云南省中-德蓝色矿山与特殊地下空间开发利用重点实验室,云南 昆明650093 |
| |
| 摘 要： | 为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.
|
| 关 键 词： | 无约束优化算法 BP神经网络 岩爆分级预测 训练样本数量 模型优选 |
BP Neural Network Model Optimization for Rockburst Prediction Based on Nine Unconstrained Optimization Algorithms |
| |
| WANG Chao,LI Yuefeng,SHAO Lin,ZHANG Yaping,XU Jianhui,WANG Hanglong.BP Neural Network Model Optimization for Rockburst Prediction Based on Nine Unconstrained Optimization Algorithms[J].Journal of Kunming University of Science and Technology(Natural Science Edition),2021,46(5):32-37. |
| |
| Authors: | WANG Chao LI Yuefeng SHAO Lin ZHANG Yaping XU Jianhui WANG Hanglong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
