基于LLE-FOA-BP模型的煤与瓦斯突出强度预测

隆能增¹，袁梅^1,2,3,4，李鑫灵¹，张平¹

1. 贵州大学矿业学院2. 贵州省非金属矿产资源综合利用重点实验室3. 贵州省优势矿产资源高效利用工程实验室4. 复杂地质矿山开采安全技术工程中心

摘 要：针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络（LLE-FOA-BP）模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测。测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06%,相对误差的方差为3.69,经过24次迭代训练就达到10^-8的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率。

关键词：煤与瓦斯突出强度预测;局部线性嵌入;果蝇算法;BP神经网络;大数据处理;