基于9种无约束优化算法的岩爆预测BP模型优选

作者：王超; 李岳峰; 邵琳; 张亚平; 徐健珲; 王航龙^*

来源：昆明理工大学学报(自然科学版), 2021, 46(05): 32-37.

DOI：10.16112/j.cnki.53-1223/n.2021.05.132

• 无约束优化算法
• BP神经网络
• 岩爆分级预测
• 训练样本数量
• 模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5%、76.4%和87.5%;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0%)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.

• 单位
  昆明理工大学