ACPSO-BP神经网络在矿井突水水源判别中的应用

摘要：

矿井多年来的连续开采使各含水层水质特征变得更加复杂 、更为接近,应用经典数学方法难以建立精确的判别模型,使用具有非线性映射功能的BP神经网络可以克服以上问题,但其仍然具有易陷入局部最优和收敛速度慢缺点.通过将"早熟"判断机制 、Tent混沌映射以及权重自适应调整策略引入粒子群算法中,建立基于自适应混沌粒子群算法和BP(ACPSO-BP)神经网络突水水源判别模型,应用结果表明:与BP神经网络模型 、基于标准粒子群算法和BP(SPSO-BP)神经网络模型相比,ACPSO-BP神经网络模型具有收敛速度快 、精度高和泛化能力强的特点.

关键词：突水水源、BP神经网络、SPSO算法、自适应变异、Tent混沌映射

所属期刊栏目：41

分类号：TD745(矿山安全与劳动保护)

资助基金：国家自然科学基金资助项目51604091,51474094;河南省科技攻关计划项目182102310743;河南省高等学校重点科研项目18A440010

在线出版日期：2018-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：91-101