导水裂隙带高度的混沌麻雀搜索-BP神经网络预测模型

为了弥补传统神经网络预测时易陷入局部最优解的缺陷,实现对工作面导水裂隙带高度的精准预测,提出了一种基于混沌麻雀搜索-BP神经网络的导水裂隙带高度预测模型。选取工作面开采厚度、开采深度、倾向长度以及覆岩硬岩岩性比例系数等作为影响导水裂隙带高度的预测指标。对60组导水裂隙带高度实测数据进行标准化处理,利用Logistic混沌映射优化后的麻雀搜索算法对BP神经网络模型参数进行寻优,通过优化后的模型对导水裂隙带高度进行预测。将混沌麻雀搜索-BP神经网络模型与其他方法的预测结果进行分析比较,结果表明:混沌麻雀搜索模型能够明显提高模型全局搜索能力和预测精准性,混沌麻雀搜索-BP神经网络模型预测的导水裂隙带高度均方根误差仅为1.36 m,远远低于传统神经网络的7.86 m和经验公式方法的14.96 m,混沌麻雀搜索-BP神经网络模型比原始BP模型决定系数提高了0.143,拟合效果更好。混沌麻雀搜索-BP神经网络模型可以有效提高导水裂隙带高度的预测精准度,为矿井水害防治工作提供参考依据。