基于遗传算法-深度神经网络的分布式光纤监测工作面矿压预测

作者：冀汶莉; 田忠; 张丁丁; 欧阳一博

来源：科学技术与工程, 2022, 22(24): 10485-10492.

• 工作面矿压
• 工作面来压位置预测
• GA-GRU-BP
• 光纤频移值

煤层开采过程中的工作面矿压分析与预测，对煤矿顶板管理与安全生产具有重要意义。然而，工作面开采引起的围岩移动和变形影响着矿压预测的准确度。为了提高工作面来压位置预测的精度，以分布式光纤监测采动覆岩变形的频移数据为基础，引入门控循环神经网络(gated recurrent neural networks, GRU),建立了遗传算法(genetic algorithm, GA)-GRU-反向传播(back propagation, BP)的工作面来压位置预测模型。将光纤频移值的统计特征融合工作面推进距离等因素作为特征向量，并采用GA对GRU及BP网络的超参数寻优。实验结果表明：预测模型的决定系数为98.7%,平均绝对误差为1.224 cm,均方根误差为1.769 cm,预测的准确性高，为工作面矿压预测提供了新的方法。

• 单位
  通信与信息工程学院; 西安科技大学