基于FA-BP神经网络的巷道位移预测研究.pdfVIP

第43卷第01期煤炭技术Vol.43No.01

2024年01月CoalTechnologyJan.2024

doi:10.13301/ki.ct.2024.01.002

基于FA-BI网络巷道位移预测研究*

黄港，郑禄林，黄楠1，左宇军1,郑禄璟？

（1.贵州大学矿业学院，贵阳550025;2.贵州锦丰矿业有限公司，贵州贞丰562200）

摘要：针对传统位移预测算法求解巷道位移时预测精度不佳且误差大等问题，建立萤火虫

算法(FA)优化BP神经网络的预测模型，解决了BP神经网络初始权值和阅值难以确定、预测模型

参数局部最优及预测精度不佳等问题。以锦丰金矿30中段巷道为研究对象，利用巷道顶板和两帮

的位移监测数据进行预测分析，并采用BP神经网络模型与FA-BP神经网络模型进行比较。研究

结果表明：FA-BP神经网络模型的平均相对误差分别为0.15%和0.13%,BP神经网络模型分别为

-2.02%和0.87%，说明FA-BP神经网络模型具有更好的预测精度。

关键词：位移预测；萤火虫算法；BP神经网络；锦丰金矿

中图分类号：TD325文献标志码：A

ResearchonRoadwayDisplacementPredictionBasedonFA-BPNeural

Network

HUANGGang,ZHENGLulin,HUANGNan,ZUOYujun,ZHENGLujing?

(1.SchoolofMining,GuizhouUniversity,Guiyang550025,China;2.GuizhouJinfengMiningCo.,Ltd.,Zhenfeng562200,

China)

Abstract:Aimingattheproblemssuchaspoorpredictionaccuracyandlargeerrorwhenthe

traditionaldisplacementpredictionalgorithmisusedtosolvetheroadwaydisplacement,firefly

algorithm(FA)isconstructedtooptimizethepredictionmodelofBPneuralnetwork,whichsolvesthe

problemssuchasdifficulttodeterminetheinitialweightandthresholdvalueofBPneuralnetwork,

localoptimalpredictionmodelparametersandpoorpredictionaccuracy.30middlesectionroadwayof

Jinfenggoldmineistakenastheresearchobject,thedisplacementmonitoringdataoftheroofandtwo

sidesoftheroadwayareusedtopredictandanalyze,andtheBPneuralnetworkmodeliscompared

withtheFA-BPneuralnetworkmodel.TheresultsshowthattheaveragerelativeerrorsoftheFA-BP

neuralnetworkmodelare0.15%and0.13%,respectively,andthatoftheBP