娄高中，谭 毅

基于PSO-BP神经网络的导水裂隙带高度预测

娄高中1，谭 毅2,3

(1. 安阳工学院 土木与建筑工程学院，河南 安阳 455000；2. 河南理工大学 能源科学与工程学院，河南 焦作 454003；3. 煤炭安全生产与清洁高效利用省部共建协同创新中心，河南 焦作 454003)

导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来，BP神经网络广泛应用于导水裂隙带高度预测，但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性，利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化，建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素，选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练，将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比，并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明：PSO-BP神经网络预测模型的平均相对误差为1.55%；BP神经网络预测模型的平均相对误差为4.8%，经验公式的最小相对误差为9.4%，PSO-BP神经网络预测精度明显优于BP神经网络和经验公式，且绝对误差和相对误差变化较稳定，可以有效预测导水裂隙带高度。

粒子群优化算法；BP神经网络；导水裂隙带高度；影响因素；预测模型

随着我国能源消费结构的逐年优化，2020年煤炭在能源消费中的比例下降到56.7%。但原煤产量较2019年增长0.9%，达到38.4亿t，在当前及未来一段时间内煤炭依然是我国的主体能源。……