基于探地雷达与PSO-BP神经网络的煤岩界面预测研究
张和江1
张义平2
侯晨锋1
王缪斯3
周利治1
1.贵州大学矿业学院,贵州贵阳 5500252.贵州大学矿业学院,贵州贵阳 550025;贵州一和矿业有限公司,贵州贵阳 550025;贵州一和科技有限公司,贵州贵阳 5500253.贵州一和矿业有限公司,贵州贵阳 550025
摘要：针对探地雷达在煤岩界面预测应用中精度不足的问题,利用粒子群优化(PSO)算法对BP神经网络进行优化,构建了基于探地雷达与PSO-BP神经网络的煤岩界面预测模型.采用探地雷达单侧反射法探测煤岩界面,总结不同情况下的雷达图像响应特征,从而确定煤岩界面特征参数:煤占比、响应位置振幅、煤响应位置振幅平均值、振幅衰减值、反射波所用双程走时、电磁波波速和煤介电常数;根据选择的特征参数开展介电常数测试和模拟煤岩界面识别实验,获取实测样本数据;采用PSO算法对BP神经网络权值与阈值进行优化,得到最优模型;将煤岩界面特征参数输入PSO-BP神经网络模型,实现煤岩界面预测.实验结果表明:与GA-BP和BP神经网络模型相比,PSO-BP模型的均方误差(MSE)分别下降了 22.14％和45.54％,平均绝对百分比误差(MAPE)分别下降了 22.22％和46.15％,平均绝对误差(MAE)分别下降了 31.58％和55.68％,PSO-BP在预测精度、误差控制能力和数据拟合效果上均具有显著优势,预测煤岩界面位置更贴近实际位置,稳定性更好.
关键词：煤岩界面识别探地雷达BP神经网络粒子群优化算法PSO-BP神经网络特征参数
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(52474127)贵州省科技支撑计划项目(2022)贵州省科技支撑计划项目(CXTD(2023)030)
论文发表日期：2025-08-30
在线出版日期：2025-09-18（本平台首次上网日期，不代表文献的发表时间）
页数：8( 80-87 )
英文信息