为了实现对湿喷混凝土强度的高精度预测及其配合比的智能精细化选择,本文建立了一种新型的ANN-PSO-GA模型。首先采用粒子群算法（PSO）对人工神经网络（ANN）进行优化,实现其对湿喷混凝土强度的高精度预测。然后将训练好的ANN-PSO模块联合给定工程条件作为目标函数,利用遗传算法（GA）进行寻优,即可得到满足该目标下的最优配合比。研究结果表明:以金川二矿区支护为例,该模型对该矿湿喷混凝土强度预测的平均相对误差MRE为2.755%,可决系数R2为0.980。通过联合矿山精准支护需求,仅用时约4分11秒就寻优得到符合C15,C20,C25,C30强度标准的湿喷混凝土最佳配合比,并且经过强度实验与流动性实验检验,均符合该矿标准。本模型的成功应用不仅极大地提高了该矿湿喷混凝土强度确定的效率,还使之前依靠实验摸索的配合比寻优工作变得更加智能化、精准化。

国家自然科学基金项目（51374034,51304011）；国家重点研发计划项目（2018YFC1900603,2018YFC0604604）；

1 ANN-PSO-GA算法基本原理
1.1 ANN
1.2 PSO
1.3 GA
2 ANN-PSO-GA模型协同求解流程
3 ANN-PSO-GA模型在矿山具体应用的实现
3.1 应用背景
3.2 数据准备
3.3 ANN-PSO模块的构建
3.4 目标函数的定义
3.5 遗传算法求解
4 结论

韩斌,吉坤,胡亚飞,姚松.ANN-PSO-GA模型在湿喷混凝土强度预测及配合比优化中的应用[J].采矿与安全工程学报,2021,38(03):584-591.