王民华，张召千，牛 显

（太原理工大学 矿业工程学院，山西 太原 030024）

进化神经网络在定量预测回采巷道围岩移近率中的应用

王民华，张召千，牛 显

（太原理工大学 矿业工程学院，山西 太原 030024）

神经网络处理非线性关系有明显优势。把影响回采巷道移近率的四个指标作为神经网络的输入层，巷道顶底板移近率和两帮做为网络的输出层，运用大量的回采巷道样本数据，对巷道围岩移近率的神经网络模型进行学习训练，得到稳定的网络结构；结合工程实践对训练得到的稳定网络结构进行检验，表明进化神经网络在回采巷道移近率的定量预测中有较大的实用价值。

回采巷道；围岩移近率；进化神经网络

1 概述

目前，对回采巷道围岩移近量的预测有多种方法：通过实测确定老顶岩梁运动特征参数，或通过巷道围岩稳定性类别，或通过多元回归分析方法等。回采巷道围岩变形与各影响因素之间具有复杂的非线性关系，采用神经网络处理非线性关系有明显优势，神经网络通过实例学习，能从样本数据中学到复杂的非线性关系。本文利用进化神经网络处理巷道围岩变形与各影响因素之间关系，并经工程实践检验神经网络在巷道围岩移近率预测中的合理性和优越性。

2 进化神经网络原理

2.1 进化神经网络

见图1，多数的人工神经网络模型采用BP神经网络或其变形，它是目前最成熟的一种神经网络模型。在不影响神经网络局部优化前提下，提高BP网络性能的最佳途径是对网络结构及初始权值进行局部优化。……