基于9种无约束优化算法的岩爆预测BP模型优选

摘要：

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.

关键词：无约束优化算法;BP神经网络;岩爆分级预测;训练样本数量;模型优选

所属期刊栏目：46

分类号：TU45(土力学、地基基础工程)

资助基金：国家自然科学基金项目;云南省教育厅科学研究基金项目;云南省大学生创新创业训练计划项目

在线出版日期：2021-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：32-37