王 超，李岳峰，邵 琳，张亚平，徐健珲，王航龙

（1.昆明理工大学 国土资源工程学院，云南 昆明 650093；2.云南省中-德蓝色矿山与特殊地下空间开发利用重点实验室，云南 昆明 650093）

0 引言

岩爆是工程开挖时岩石破坏造成失稳并伴随着能量猛烈释放的一种地质灾害，随着地下工程逐步向深部发展，岩爆对矿井、隧道、水电硐室等工程的安全生产威胁愈发严重［1］.如：2014年3月9日，云南独龙江隧道发生岩爆，3名施工人员遇难；2015年5月31日，巴基斯坦N-J水电站引水隧洞发生的岩爆导致3人死亡17人受伤.准确预测岩爆烈度等级是防控岩爆的有效手段.由于岩爆机理复杂、致因众多，考虑多指标的综合预测模型在岩爆预测中发挥了重要作用［2-5］.

BP（Back Propagation）神经网络通过逐层修改权值、逐步减小误差直至最小，从而完成网络训练.修改权值有不同规则即不同的无约束优化算法.针对标准BP算法（梯度下降法）存在收敛速度慢、产生局部极值、训练易瘫痪、难以确定隐层节点等问题，众多学者采用不同的无约束优化算法建立了BP神经网络模型：文献［6-8］采用动量法结合自适应学习率方法改进了BP网络模型并进行了工程应用；李永松等［9］采用Levenberg-Marquardt算法优化BP神经网络，减小了训练中的计算量和内存需求量；王斌等［10］在网络中加入动量项，并引入新的训练方法Rprop（Resilient BP）进行优化，提高了网络的可靠性；张强［11］采用粒子群算法（Particle Swarm Optimization，PSO）优化了网络初始权值和阈值，避免了神经网络陷于局部最优值；孙臣生［12］基于有动量的梯度下……