GA-BP算法在煤巷围岩稳定性分类中的应用与95%准确率
79 浏览量
更新于2024-09-02
1
收藏 228KB PDF 举报
该研究论文"基于GA-BP的煤巷围岩稳定性分类与应用"由孔祥松、单仁亮等人合作完成,发表于2016年的某期刊上,其DOI为10.13347/j.mkaq.2016.05.058。文章的核心目的是为了实现对煤巷围岩稳定性的科学分类,解决实际工程中的问题。
作者首先系统地统计了24篇相关的分类文献,通过这些文献的数据,构建了一个SPSS分类指标数据库。通过对数据库进行频数分析,他们深入研究了各个指标的出现频率和分布特性,从而提炼出对煤巷围岩稳定性分类至关重要的11个关键指标。这些指标的选择不仅考虑了理论依据,还充分结合了山西焦煤的实际地质条件和巷道支护需求。
接着,研究人员采用了一种先进的方法——将遗传算法(GA)和BP神经网络(BPNN)相结合,创建了GA-BP煤巷围岩稳定性分类模型。在这个过程中,GA被用来进行全局启发式搜索,以构建神经网络的拓扑结构,而BP则用于局部优化,以确定最优的权值阈值。这一模型的开发借助了MATLAB编程环境,确保了模型的精确性和可靠性。
为了训练和验证模型,他们设计了一个包含80条山西焦煤煤巷的数据集作为训练样本,让模型学习和掌握分类技巧。当模型在学习完成后,将其应用到实际的20条山西焦煤煤巷中进行稳定性分类。实验结果显示,GA-BP分类模型的准确率高达95%,显示出其在非线性映射方面的高精度,这表明该模型对于预测和评估煤巷围岩稳定性具有很高的实用价值。
这篇论文提供了一种有效的方法来量化和区分煤巷围岩的稳定性,这对于煤炭开采过程中的安全管理和决策制定具有重要意义。它强调了理论与实践相结合的重要性,并展示了遗传算法和神经网络技术在岩体稳定性评估中的潜力。
2020-04-23 上传
2021-06-01 上传
2020-06-02 上传
2020-06-10 上传
2020-04-25 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38725015
- 粉丝: 8
- 资源: 926
最新资源
- 构建基于Django和Stripe的SaaS应用教程
- Symfony2框架打造的RESTful问答系统icare-server
- 蓝桥杯Python试题解析与答案题库
- Go语言实现NWA到WAV文件格式转换工具
- 基于Django的医患管理系统应用
- Jenkins工作流插件开发指南:支持Workflow Python模块
- Java红酒网站项目源码解析与系统开源介绍
- Underworld Exporter资产定义文件详解
- Java版Crash Bandicoot资源库:逆向工程与源码分享
- Spring Boot Starter 自动IP计数功能实现指南
- 我的世界牛顿物理学模组深入解析
- STM32单片机工程创建详解与模板应用
- GDG堪萨斯城代码实验室:离子与火力基地示例应用
- Android Capstone项目:实现Potlatch服务器与OAuth2.0认证
- Cbit类:简化计算封装与异步任务处理
- Java8兼容的FullContact API Java客户端库介绍