克隆選择遗传算法在冲击矿压预测中的应用.docVIP

克隆选择遗传算法在冲击矿压预测中的应用 任志玲1,于　群1,于　超2,韩卫钦3 (1.辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛　125105; 2. 烟台大学文经学院,山东烟台　264005 ; 3.大统矿业有限公司,山东兖州　272100) 　　摘要:针对传统预测冲击矿压方法存在网络训练时间较长、容易陷入局部极小值、容易早熟等问题,提出了采用克隆选择遗传算法预测冲击矿压的方法,详细介绍了克隆选择遗传算法优化BP 神经网络权值和阈值的基本步骤,并利用Matlab7.1 在PC 机上建立网络模型进行仿真实验,仿真结果表明,该方法有效提高了冲击矿压预测的准确性。 关键词:冲击矿压; 预测; BP 神经网络; 遗传算法; 克隆选择遗传算法; 预测精度 　　中图分类号:TD326. 1 　　　文献标识码:A Application of CL GA in Impulsion Pressure Prediction REN Zhiling1,YU Qun1,YU Chao2,HAN Weiqin3 (1. Faculty of Electrical and Control Engineering of Liaoning Technical University, Huludao 125105,China. 2. Wenjing Institute of Yantai University, Yantai 264005,China.3.Datong Mining Co.，Ltd., Yanzhou 272100 , China) 　　Abstract : To solve problems of long time of network t raining , easy to fall into local minimum and easy to early maturity existed in traditional method of impulsion pressure prediction , the paper proposed a method using CL GA to predict impulsion pressure. It introduced basic step s using CL GA to optimize weight and threshold of BP neural network in detail s and made simulation experiment using Matlab7.1tobuild network model on PC. The simulation result showed t hat t he method can improve accuracy of impulsion pressure prediction effectively. Key words: impulsion pressure, prediction, BP neural network, GA, CL GA, prediction precision 0 　引言 冲击矿压是矿山井巷和采场周围煤岩体在应力集中的作用下,由于煤(岩) 壁局部失稳,弹性应变能释放, 以突然、急剧、猛烈的破坏为特征的动力现象。最近几年,随着煤矿开采深度的不断增加,中等冲击和强烈冲击事故显著增加,冲击矿压问题日益突出。随着人工智能算法的不断发展,人工神经网络算法(BP 算法) 和遗传算法等优化算法被应用到冲击矿压的预测当中。但BP 算法存在训练时间较长、不能完全训练、容易陷入局部极小值等问题, 而且遗传算法( GA) 也存在容易早熟的问题,影响了实际应用效果。针对上述问题,笔者提出了一种利用克隆选择遗传算法(CL GA) 对BP 神经网络训练过程中的隐含层节点数、学习率和动量因子进行优化的方法,以提高冲击矿压的预测精度。 1 　克隆选择遗传算法 遗传算法是一种借鉴生物的进化规律而演化来的一种随机化搜索方法,具有自适应搜索性、内在并行性以及全局寻优性,因此可被用在矿压预测中。克隆选择遗传算法由于采用高频变异克隆作为主要的搜索方式,能够有效避免遗传算法中因存在交叉算子而出现模式收敛,造成种群多样性被破坏、容易出现早熟的缺点,又能保证全局寻优性,体现出较强的优化能力。因此,将克隆选择遗传算法作为BP神经网络的学习算法,用于搜索与目标值误差最小的权值和阈值。在克隆选择遗传算法的高频变异过程中,采用的是高斯变异,而高斯变异容易陷入局部极小,与高斯变异类似的柯西变异与高斯变异相比更易跳出局部极值点, 然而它较小的中央部分将导致它在进行更精确局部搜索方面的性能降低,因此,笔者采用自适应柯西变异来完成克隆选择遗传算法的高频