-
作者
张奥宇杨科池小楼张杰
-
单位
安徽理工大学煤炭安全精准开采国家地方联合工程研究中心安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
-
摘要
为探究更为精确的上覆岩层砂岩和泥岩单轴抗压强度与其弹性模量之间的关联性，结合胡家河矿56组砂岩和泥岩单轴抗压强度与弹性模量历史数据，运用遗传算法优化了BP神经网络的结构参数和学习参数，得到了最佳的网络结构和参数设置，利用GA-BP神经网络对煤矿砂岩与泥岩单轴抗压强度进行了预测，并与传统的BP神经网络和非线性回归分析法进行了比较。研究结果表明，GA-BP神经网络预测模型在预测砂岩和泥岩单轴抗压强度与弹性模量间关系上具有较高的精度和泛化能力，能够有效地解决传统BP神经网络的局部最优和过拟合问题，相较于非线性回归分析，拥有更强的非线性关系建模能力，是一种适用于砂岩与泥岩单轴抗压强度预测的有效方法。
-
关键词
岩石力学参数非线性回归BP神经网络遗传算法预测模型
-
基金项目(Foundation)
国家重点研发计划资助项目(2023YFC2907502)；安徽省煤炭安全精准开采工程实验室开放基金项目(ESCMP202301)；
-
文章目录
1 基于非线性回归的岩石单轴抗压强度预测
1.1 数据采集
1.2 非线性回归方法
1.3 非线性回归拟合
2 基于遗传算法(GA)优化的BP神经网络岩石单轴抗压强度预测
2.1 GA-BP回归预测原理
1) BP神经网络。
2) GA-BP神经网络。
2.2 GA-BP预测模型构建
1) 数据集准备与预处理。
2) BP神经网络模型构建。
3) GA遗传算法优化过程。
3 算法应用与对比
4 结 语
-
引用格式
[1]张奥宇,杨科,池小楼,等.基于GA-BP神经网络岩石单轴抗压强度预测模型研究[J].煤,2025,34(01):6-10+17.
煤 
2025年第01期 
