GA-BP算法在煤巷围岩稳定性分类中的应用与95%准确率

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。