基于数据优化的BP神经网络煤层底板破坏深度预测
2021-12-01薛喜成田凡凡
中国煤炭地质 2021年9期
薛喜成, 田凡凡
(西安科技大学地质与环境学院,西安 710054)
0 引言
在煤矿生产工作中,煤炭资源的采出造成围岩应力的重新分布,导致煤层底板形成各种裂隙。裂隙的发育使底板隔水层降低甚至失去隔水能力,成为工作面与含水层之间的导水通道,增加底板突水的危险性[1]。因此在煤层底板突水危险性评价及预测研究中,底板破坏深度是一个重要的评价因子[2],开展采场底板破坏深度的研究,对于防治矿井突水灾害具有重要的指导意义。
目前,关于煤层底板破坏深度的研究方法主要包括,规范计算[3]、经验公式法[4]、现场实测[5]以及数值模拟法[6]。规范计算考虑因素不全面,其预测仅能作为参考;经验公式法和数值模拟法存在样本数据获取困难以及模型严重简化的问题;现场实测法准确度最高,但存在工作量大和周期长的局限性;相比于现场实测,数值模拟具有工作量小和周期短的优点,但存在模型简化严重的局限性。
于小鸽等[7]在分析底板破坏深度发育影响因素的基础上,建立了BP神经网络预测模型;张文泉等[8]基于灰色理论得出了影响底板破坏深度发育的主次因素,得到了新的底板破坏深度计算公式;路畅等[9]基于灰色理论,确定了预测底板破坏深度的GM模型参数;施龙青等[10]运用主成分分析法对6组变量因素进行降维处理,建立了PCA-GWO-BP神经网络模型。以上学者在数据样本的参数选取过程中,主要存在以下不足:一是未量化性研究各因素与底板破坏深度之间的拟合度程度;……
登录APP查看全文
