基于IGA-BP的矿井构造复杂程度评价

摘要：

为了准确评价矿井地质构造复杂程度,以黄陵一号煤矿为研究对象,在矿井地质构造发育特征与规律分析的基础上,选取了能够反映和影响该矿地质构造复杂程度的11个评价指标,按照1 kmx1 km规格将井田剖分为185个评价单元,计算每个评价单元的评价指标值,借助有序地质量最优分割分析将每个评价指标值分割为4类,分别对应地质构造的简单、中等、复杂、极复杂4种类型,利用段内插值法获得BP神经网络的训练样本;为了克服单纯BP神经网络程序缺乏隐层神经元结构全局优化、收敛速度慢和易陷入局部最小值之缺陷,尝试采用基于免疫遗传算法(IGA)进行优化的BP神经网络算法(即IGA-BP)对矿井地质构造复杂程度进行综合评价;借助既定的训练样本,成功实现了 BP网络隐层结构的全局优化和BP神经网络训练,最终利用训练好的IGA-BP网络对未知评价单元的地质构造复杂程度进行了综合评价,并绘制了矿井构造复杂程度分区图.结果显示:构造简单区位于研究区北部、东北部和南部,构造复杂区位于研究区中部偏西,构造中等区分布于研究区中部构造复杂区的南北两侧;与GA-BP、BP神经网络方法对比,基于IGA-BP的评价结果与矿井实际情况更为吻合,且IGA-BP评价方法无需考虑评价指标之间的相关性及权重,为矿井构造评价提供了 1种新的评价方法,评价结果可以指导矿井合理的采掘部署.

关键词：矿井地质构造、地质勘查、BP神经网络、免疫遗传算法、定量评价、黄陵一号煤矿

所属期刊栏目：54

分类号：TD163(矿山地质与测量)

在线出版日期：2023-04-20（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：193-203