基于GWO改进的PCA-BP神经网络煤层底板破坏深度预测模型

作者：施龙青; 张荣遨; 韩进^*; 秦道霞; 郭玉成

来源：矿业研究与开发, 2020, 40(02): 88-93.

DOI：10.13827/j.cnki.kyyk.2020.02.017

• PCA
• GWO
• BP神经网络
• 底板破坏深度

针对矿井水害防治工作中,煤层底板破坏深度难以进行准确预测的问题,将主成分分析(PCA)与灰狼算法(GWO)改进的BP神经网络相结合,建立以采深、煤层倾角、采厚、工作面斜长、煤层底板抗破坏能力、工作面内是否有切穿型断层或破碎带为主要影响因素的底板破坏深度预测模型。根据实测资料分析各主要影响因素和底板破坏深度之间的相关性,利用PCA法将影响底板破坏深度的主要参数进行降维,根据降维后的主成分对底板破坏深度的贡献率,确定底板破坏深度的主控因素。利用灰狼算法优化BP神经网络参数,建立PCA-GWO-BP神经网络模型预测煤层底板破坏深度,并与其他预测方法进行对比,结果证明该模型误差小于0.5%、准确度高,可以对煤层底板破坏深度进行较为准确的预测。

• 单位
  肥城矿业集团单县能源有限责任公司; 山东科技大学