采空区危险性评价方法优化.pdfVIP

第 44 卷第 7 期 中南大学学报(自然科学版)  Vol.44  No.7  2013 年 7 月  Journal of Central South University (Science and Technology)  July2013  采空区危险性评价方法优化 冯岩，王新民，程爱宝，张钦礼，赵建文  (中南大学 资源与安全工程学院，湖南 长沙，410083)  摘要：为了更合理精确地评价采空区危险性，对利用神经网络评价的方法进行优化，建立主成分分析法与神经网 络结合的采空区危险性评价模型。从地质和工程条件出发，综合考虑影响采空区稳定性的  13 项主要因素，统计 样本数据。运用主成分分析法对影响采空区稳定性的样本进行预处理，将分析结果作为神经网络的输入数据，减 少输入变量，消除变量之间的相关性，从而加快数据处理速度，提高预测精度。将该方法应用于锡矿山的采空区 危险性评价。结果表明，预测误差在  8%以内，较未经主成分分析的神经网络预测精度有了很大提高。利用主成 分分析法和神经网络结合建立的采空区危险性评价模型具有分析速度快、预测精度高等优点。该方法科学合理， 为采空区危险性评价提供了一种更完善的评价体系。 关键词：危险性评价；采空区；主成分分析法；BP 神经网络；方法优化 中图分类号：TD325  文献标志码：A  文章编号：1672−7207(2013)07−2881−08  Method optimization of undergroundgoaf riskevaluation  FENG Yan,WANG Xinmin, CHENG Aibao, ZHANG Qinli, ZHAO Jianwen  (School of Resources and Safety Engineering, Central South University, Changsha 410083, China)  Abstract:The method of neural networks was optimized, and the principal component analysis and neural networks were  used to construct a model about underground goaf risk evaluation to evaluate the underground goaf risk more accurately  and reasonably. On the basis of geological and engineering conditions, the 13 main factors that affecting the stability of  goaf were considered to count the sample data. The principal component analysis was conducted to the samples, taking  the results as the input data for neural network. Byreducingthe number of input variables,and eliminatingthe correlation  between variables, the data processing was sped up, and the prediction accuracywas improved. The method was applied  to evaluate the risk underground goafs in Xi mine. The results show thatthe prediction err