• 论文
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于改进的SSA-BP神经网络的矿井突水水源识别模型研究
  • 26
  • 作者

    刘伟韬李蓓蓓杜衍辉韩梦珂赵吉园

  • 单位

    山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地山东科技大学安全与环境工程学院

  • 摘要
    机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针上述问题,提出一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na++K+浓度、Ca2+浓度、Mg2+浓度、HCO3-浓度、SO42-浓度、Cl-浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:① 改进的SSA-BP模型在训练集准确率达95.6%,在测试集准确率达100%。② 改进的SSA-BP模型与BP模型、SSA-BP模型对比结果:BP模型误判率为5/18,SSA-BP模型的误判率为2/18,改进的SSA-BP模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③ 将阳城煤矿5组矿井水样数据作为输入层数据输入到训练好的模型中,矿井水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别的结果与水化学特征分析的结论相互印证,并实现了精准区分。
  • 关键词

    矿井突水水源识别模型水化学特征麻雀搜索算法BP神经网络混沌映射随机游走策略

  • 文章目录
    0 引言
    1 研究区概况
    2 水化学特征分析
    2.1 常规离子浓度分析
    2.2 水化学类型分析
    3 改进SSA-BP神经网络突水水源识别模型
    3.1 寻优算法的改进
    3.1.1 SSA
    3.1.2 Sine混沌映射
    3.1.3 随机游走策略
    3.2 模型拟合效果
    3.3模型对比分析
    4 结论
相关问题

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联