基于PSO-RBF神经网络模型的岩爆倾向性预测

来源：黄金科学技术杂志2020年第1期北京时间：

作者：李任豪,顾合龙,李夕兵,侯奎奎,朱明德,王玺

单位： 中南大学资源与安全工程学院，湖南 长沙 410083, 山东黄金集团有限公司深井开采实验室，山东 烟台 261442

摘要：鉴于岩爆机理的复杂性以及岩爆发生前后信号提取困难的现状，对高应力区进行岩爆倾向性预测研究具有现实意义。为提高岩爆预测的准确性，基于岩爆预测多维非线性的特点，选取4个影响岩爆发生的核心指标作为判决依据，结合粒子群优化算法（PSO）与径向基神经网络（RBF）建立了PSO-RBF神经网络岩爆预测模型。采用试错法确定隐含层节点数后，进一步利用国内外典型工程数据对模型参数隐含层基函数中心ci，隐含层节点宽度σi以及隐含层与输出层间权重因子w进行学习优化以获取最优参数，并将所建立的模型应用于实际工程的岩爆倾向性预测。结果表明：利用该模型预测的岩爆等级与实际岩爆情况基本相符，相对误差率为10%，精度较以往预测方法有显著提高。

关键词：岩石力学,岩爆预测,岩爆倾向性,RBF神经网络,粒子群优化,智能优化

基金资助：国家自然科学基金重点项目“深部资源开采诱发岩体动力灾害机理与防控方法研究”(41630642)