基于蝙蝠算法优化的BP神经网络煤层冲击危险性智能综合评价研究

作者：张科学; 吴永伟; 何满潮; 陈学习; 姜耀东; 李东; 孙健东; 程志恒; 亢磊; 王晓玲; 朱俊傲; 杨海江; 闫星辰; 尹宇航; 李举然

来源：现代隧道技术, 2022, 1-10.

• 煤层
• 冲击危险性
• 蝙蝠算法
• BP神经网络
• 评价

为进一步提高煤层冲击危险性等级评价的合理性、科学性，为后续冲击地压的智能防治与综合解危奠定基础；通过深入分析开采深度、煤层顶底板性质、冲击倾向性、地质构造、开采技术等因素对煤层冲击危险性的影响，建立了基于蝙蝠算法优化的BP神经网络煤层冲击危险性智能综合评价模型；将所确定的影响冲击危险性因素进行数量级划分，利用蝙蝠算法的强搜索能力、强稳定性和便于实现的优点，对BP神经网络的权值与阈值最优值选择进行优化，通过BP神经网络模拟训练影响煤层冲击危险性各因素间非线性关系，对煤层冲击危险性作出无冲击危险性、弱冲击危险性、中等冲击危险性、强冲击危险性的定量等级评价。应用蝙蝠算法优化BP神经网络煤层冲击危险性智能综合评价模型对内蒙古某矿的煤层及江苏某工作面进行实例验证，经蝙蝠算法优化BP神经网络煤层冲击危险性智能综合评价模型计算得出的结果，与经综合指数法计算所得结果一致，表明该模型可以用于煤层冲击危险性评价；应用该模型对煤层进行冲击危险性评价时，改善了BP网络结构在权值和阈值确定上的随机缺陷、提高算法稳定性，因而得到的评价结果更加合理。基于蝙蝠算法优化的BP神经网络煤层冲击危险性智能综合评价模型能够准确快速的对煤层冲击危险性进行评价。

• 单位
  深部岩土力学与地下工程国家重点实验室; 中国矿业大学（北京）; 煤炭科学技术研究院有限公司; 华北科技学院; 煤炭资源与安全开采国家重点实验室