-
题名基于PSO-BP神经网络的单位注浆量预测
被引量：1
- 1
-
-
作者
陈泓
黄永辉
张智宇
陈成志
-
机构
明理工大学国土资源工程学院
云南省教育厅爆破新技术工程研究中心
昆明理工大学电力工程学院
-
出处
《有色金属(中英文)》
北大核心
2025年第2期288-297,共10页
-
基金
国家自然科学基金资助项目(52064025,52164009)
云南省重大科技项目(202202AG050014)。
-
文摘
帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(CNN)、BP神经网络、遗传算法优化神经网络(GA-BP)和粒子群算法优化神经网络(PSO-BP)预测模型进行预测和准确性分析。结果表明:斯皮尔曼相关系数法和肯德尔相关系数法对单位注浆量影响因素分析结果一致,影响因素相关性由强到弱为:注浆持续时间、水灰比、注前透水率、注浆段长度、注浆压力、钻孔深度;PSO-BP神经网络模型预测效果明显优于另外三种预测模型,R^(2)达到0.94527,RMSE值分别降低80%、56%、49%;MAE值分别降低68.3%、48.6%、23.2%,验证了该模型的优越性。该模型能够更准确地对单位注浆量进行预测,对后续注浆工作的实施具有一定参考,可为帷幕注浆效果评价提供重要的指导建议。
-
关键词
帷幕注浆
单位注浆量
相关性分析
BP神经网络
粒子群优化算法
-
Keywords
curtain grouting
unit grouting volume
correlation analysis
BP neural network
particle swarm optimization algorithm
-
分类号
TD745
[矿业工程—矿井通风与安全]
-
