基于SSA-BP神经网络岩爆烈度等级预测

作者：王文通; 张千俊; 郭沙; 梁博; 刘传举^*

来源：有色金属(矿山部分), 2024, (01): 1-8.

• 岩爆
• BP神经网络
• 麻雀搜索算法
• 均方误差
• 准确率

随着深部开采战略在我国的发展,岩爆愈加成为我国资源开采时必须面对的地质灾害之一。为提高传统误差反向传播(Back Propagation,BP)神经网络模型进行岩爆预测的准确性与有效性,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化传统BP神经网络,提出一种基于麻雀搜索算法优化BP神经网络的岩爆预测模型(SSA-BP模型)。在考虑岩爆产生的内外因基础上,选取相关岩爆预测指标,利用国内外100例已有工程岩爆数据建立SSA-BP模型,并与传统BP模型、粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机(Support Vector Machines,SVM)模型对比。结果表明:SSA-BP预测模型的有效性和准确度皆高于传统BP模型和PSO-SVM模型,同时SSA-BP模型训练集的均方误差(Mean Square Error,MSE)为0.081,比传统BP模型(0.25)降低67.7%,可为类似工程的岩爆预测提供科学依据。

• 单位
  西南科技大学