结合改进的遗传算法的BP人工神经网络岩爆预测研究.pdfVIP

一 嬗勘测 设计 结合改进的遗传算法的BP人工神经网络岩爆预测研究 ． 胡德福 (中铁四院集团广州设计院有限公司 广州 510600) 【摘 要】 首先对BP人工神经网络模型进行设计，确定网络的结构及参数。鉴于BP人工神经网络的相 关不足，将遗传算法与BP神经网络结合起来，运用遗传算法优化BP神经网络的阈值，使得预测更为精 确。随后结合实际工程，检验BP人工神经网络预测程序的可靠性。 【关键词】 BP人工神经网络 遗传算法 matlab 岩爆预测 经 网络的输入层神经元 。并结合 BP人工神经网 1BP人工神经网络拓扑的确定 络 的 自身特点，确定其 网络结构为三层 ，分别为， 输入层，隐含层，输 出层。由上可知，输入层个数 埋藏较深的地下工程，在高应力、脆性岩体 为三 。通过编制程序试算并结合相关经验公式， 中，由于施工爆破扰动原岩，岩体受到破坏，使掌 确定隐含层个数为七 。结合岩爆这一特殊地质灾 子面 附近 的岩体突然释放出潜能，产生脆性破坏， 害的预测特点，我们将输出层定义为：严重岩爆时 这时围岩表面发生爆裂声 ，随之有大小不等 的片 网络输出为(1，1)，中等岩爆时网络输出为(1，O)， 状岩块弹射剥落出来 ，这种现象称之为岩爆 。 目 弱岩爆时网络输 出为(O，1)，无岩爆时网络输出为 前岩爆判据的理论基础，主要包括 ：强度理论、能 (0，0)。因此输 出层节点数为 2。至此，确定 BP 量理论、刚度理论、冲击倾 向性理论等。各位专家 人工神经网络 的网络拓扑结构为3—7—2。 在这些理论的基础上 ，分别都提 出了不同的岩爆 预测方法 。例如 ，Russene判据、王汉元判据、陶振 2传统遗传算法的改进 宇判据 、陆家佑判据、以及波兰学者 Kidybinski提 出的能量提 出的判据等等 。综合各位专家分析岩 GA 的缺点在于收敛到一定程度的时候，通过 爆的方法 ，总结归纳大致考虑到 以下几个因素 ，岩 交叉 、变异算子产生更高适应性的个体的概率显著 石单轴抗压强度 、抗拉强度 、弹性能量指数W 降低 ，从而收敛速度受到制约，无法精确地确定最 和切 向应力 。。或考虑其中一种，或考虑几种的 优解的位置，即局部搜索空间小具各微调的能力等。 组合 。本文通过分析得出，这 四个因素 (均为开挖 因此，本文提出一些改进的方法。 后实测数据)既考虑 了围岩特性 (抗压强度 、抗 这里加入 了小生境遗传算法 。采用小生境 拉强度 、弹性能量指数w。为诱发岩爆的内在因 遗传算法将交叉过后产生的子代与交叉前的父 素)，又考虑围岩中的地应力水平(岩爆发生的外在 本 四个样本放在一起进行评价 。得出各 自的适 因素)为表征 ，仃。既可反映围岩中初始地应力水平， 应度值并排序 。取排在前俩位的染色体进入下 又可反映地下空间形状和尺度的影响)。这 四个 一 代 。这样即使没有采用最优保存 。由于每次 数据能较好的反应岩爆 内外两方面的条件 。由此 都采取排在前俩位的染色体进入下一代 。所 以 以 {玎J 无论如何都能保证最优染色体或是进化的最优 。)、岩石单j 染色体在种群当中。并且采用小生境遗传算法 。 ／o-)、以及弹 后能