基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法

为提取有效的砂岩破裂声发射信号特征,提高砂岩破裂过程预测精度,提出一种基于改进变分模式分解算法(VMD)和GA-BP神经网络的预测方法。首先,开展单轴压缩实验进行砂岩破裂试验,并采集破裂过程的声发射信号;其次,为取得有效声发射信号,从中提取出有效特征参数进行预测,引入相关系数改进VMD算法并对原始声发射信号进行预处理,提取信号能量特征参数作为模型的输入以便区分破裂过程;最后构建GA-BP预测模型,通过遗传算法(GA)优化BP神经网络的权值和阈值,将信号能量作为样本用于预测模型的训练。结果表明,通过引入相关系数可有效解决VMD算法中K值难以选取的问题,对采集到的声发射信号进行有效去噪;此外,经GA算法改进后的BP神经网络预测模型能够准确预测破裂状态,相较于改进前传统的BP神经网络模型稳定性更高,收敛能力更好,预测准确率提高17.5%。