基于遗传BP神经网络的煤矿爆破振动特征参量预测

为了解决矿区爆破振动产生的危害大、影响因素多、特征参量监测结果离散和计算非线性的问题,通过建立基于遗传算法优化BP神经网络预测模型来拟合煤矿爆破振动参数与特征参量之间的非线性关系,并采用该模型对煤矿爆破振动特征参量进行了准确的预测。研究结果表明:在实际工程中,GA-BP神经网络模型对确定不容易测量的爆破振动特征参量能有效预测,同时又能节约大量人力和财力;GA-BP神经网络预测模型较经验公式、BP神经网络预测模型有更强的解决复杂非线性问题能力,其预测值与实际值的相对误差在10%以内,不易陷入局部极小值,稳定性更好,平均预测精度较高;从使用的样本数量可知该模型可为小样本、多因素影响参数预测问题提供一种切实有效的方法,且工作量小而灵活,适用性广泛。