基于粒子群组合神经网络的原岩应力预测研究

【目的】建立原岩应力准确预测方法，为岩石力学研究及地下岩土开挖工程设计与施工提供参考。【方法】充分利用区域实测原岩应力数据资料，选取岩石埋藏深度、岩石类别等参数作为原岩应力的评判指标，在分析基于群体智能（gi）的粒子群优化算法（pso）和bp神经网络算法特点的基础上，提出一种新的组合训练方法，建立了pso-bp组合人工神经网络模型，并对原岩应力进行实际算例预测。【结果】pso-bp组合人工神经网络模型整体工作性能优良，研究区域原岩应力场最大主应力、最小主应力、垂直应力的网络输出与目标输出相关程度较高，相关系数分别为0.9940，0.9970，0.9920，该组合模型基本可以预测研究区域原岩应力场的分布规律。【结论】应用建立的pso-bp组合人工神经网络模型可以进行原岩应力的准确预测，对岩体初始应力研究和地下工程设计具有一定的指导意义。