基于粒子群优化BP神经网络的巷道位移反分析

以某煤矿资料为基础，确定出岩体物理力学参数水平，并设计正交试验表。根据巷道边界条件建立几何模型，通过有限元法计算得出的位移值建立起PSO-BP神经网络学习样本，从而得到矿山巷道位移反分析预测岩体物理力学参数模型。研究结果表明：实测位移量与由预测参数计算位移量间的最大误差为3.27%，通过实测位移值反分析求得的岩体物理力学参数值可信，PSO-BP神经网络应用于矿山巷道位移反分析是可行的。