遗传模拟退火的bp算法在冲击地压中的应用

冲击地压的预测、预报的研究，大多数仍停留在简单的统计研究和单因素的预测方面，因而，结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模，网络的训练算法采用基于遗传模拟退火的bp优化算法。该算法是在遗传算法中引入模拟退火机制，将其同bp算法结合，形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强全局随机搜索能力。同时，利用华丰矿冲击地压的实际监测数据，通过遗传算法的主要性能指标对新算法的参数进行了比较研究，得到优化后的一组参数。利用该参数，对冲击地压的神经网络模型的结构、权值和阈值进行了优化，得到了非全连接的优化神经网络模型。最后，利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为7.84%，预测效果比较理想。