基于LC-SSA-BP神经网络模型的煤层导水断裂带高度预测

针对煤层导水断裂带高度预测精度较低、参数优化比较困难的问题,提出了一种基于Logistic混沌映射改进的麻雀搜索算法优化BP神经网络模型(LC-SSA-BP)的煤层导高的预测方法,与传统的BP神经网络模型相比,该方法收敛快、稳定性高;通过对BP神经网络的权值和阈值进行优化,提高了群体的搜索能力从而增加寻优性,使得预测性能达到最优;选择开采深度、开采厚度、覆岩结构、工作面斜长、煤层倾角作为水断裂带高度的主控因素,选取39组训练样本和4组测试样本数据,建立了LC-SSA-BP神经网络预测模型,并与BP神经网络算法进行了对比。结果表明:BP神经网络与LC-SSA-BP神经网络的最大相对误差分别为30.77%和9.05%,LC-SSA-BP神经网络的预测精度更高;应用该模型预测曙光煤矿90301工作面导水断裂带高度预测为51.6 m,与工程验证结果相比的误差值为5.1%。