PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)巖爆預(yù)測的Matlab實現(xiàn)

肖雄

【摘要】由于影響巖爆因素的復(fù)雜性，以及巖爆的極強災(zāi)害性。本文通過選擇影響巖爆程度的四項物理力學(xué)指標(biāo)，最后運算組合以后變成三項輸入因子。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對16組國內(nèi)外巖爆實際工程案例進(jìn)行訓(xùn)練，得到最優(yōu)隱含層數(shù)。然后利用粒子群算法（PSO）優(yōu)化網(wǎng)絡(luò)的初始權(quán)值和閾值，避免了單獨使用BP網(wǎng)絡(luò)時說存在的不足。利用Matlab及其神經(jīng)網(wǎng)絡(luò)工具箱來實現(xiàn)網(wǎng)絡(luò)的運算和預(yù)測。將訓(xùn)練好的網(wǎng)路應(yīng)用到三組實際的案例中，最終結(jié)果表明：利用PSO-BP神經(jīng)網(wǎng)絡(luò)算法所預(yù)測出來的結(jié)果和實際巖爆烈度一致，且結(jié)果明顯優(yōu)于單因素判據(jù)和BP網(wǎng)絡(luò)預(yù)測的結(jié)果。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；粒子群（PSO）優(yōu)化算法；巖爆預(yù)測；Matlab

本文利用Matlab 9.1.0（R2016b）這一工具進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的運算并利用粒子群（PSO）進(jìn)行網(wǎng)絡(luò)的優(yōu)化。相對遺傳算法來說，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)就沒有交叉、變異等復(fù)雜操作。PSO-BP網(wǎng)絡(luò)模型避免了BP網(wǎng)絡(luò)陷入局部最優(yōu)、收斂慢等缺陷。建立了多個巖爆影響因素與巖爆程度之間的非線性映射關(guān)系，并得到了最優(yōu)初始權(quán)值和閾值。然后利用網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后得出的結(jié)果與實際的巖爆程度一致。

1、基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型

1.1BP神經(jīng)網(wǎng)絡(luò)與巖爆的結(jié)合

（1）BP算法流程分成兩個部分：信息的正向傳播和誤差的反向傳播。

（2）將影響巖爆的主要因素作為網(wǎng)絡(luò)的輸入層，并告知網(wǎng)絡(luò)學(xué)習(xí)樣本的期望輸出，然后讓網(wǎng)絡(luò)計算出最優(yōu)的初始權(quán)值和閩值。能夠得到各個影響因素之間的權(quán)重關(guān)系。利用神經(jīng)網(wǎng)絡(luò)解決輸入因子間的非線性關(guān)系，從而能夠?qū)r爆的烈度進(jìn)行分級且避免了主觀因素的影響。

1.2粒子群（PSO）優(yōu)化算法

粒子群算法，也稱微粒群算法，它能夠優(yōu)化BP網(wǎng)絡(luò)的關(guān)鍵一點是，能夠找尋最優(yōu)的初始隨機權(quán)重和閾值。

對于PSO算法，所有粒子（假設(shè)N個）通過速度vi=（vi1，v12，……，viD）更新其空間位置Xi=（xi1，x12，……，xiD）。粒子根據(jù)如下公式更新速度和位置：

2、PSO-BP模型巖爆預(yù)測的Matlab實現(xiàn)

2.1網(wǎng)絡(luò)參數(shù)的選取與訓(xùn)練

本文的巖爆實際案例數(shù)據(jù)來源于文獻(xiàn)，表1是訓(xùn)練網(wǎng)絡(luò)所用的16個工程實際案例。通過公式（3）對樣本數(shù)據(jù)的歸一化處理，并進(jìn)行網(wǎng)絡(luò)的訓(xùn)練以后得到了當(dāng)隱含層數(shù)為9時，所得到的網(wǎng)絡(luò)誤差最小為0.0711。樣本數(shù)據(jù)歸一化公式：

式中，xmin為樣本輸入數(shù)據(jù)中的最小數(shù)；xmax為樣本輸入數(shù)據(jù)中的最大數(shù)。

2.2PSO-BP算法的工程實例

基于MATLAB9.1.0（R2016b）對PSO-BP算法進(jìn)行了編制，兩個速度更新參數(shù)設(shè)置為c1=2，c2=2。由2.1節(jié)可知網(wǎng)絡(luò)的輸入層（indim）、隱含層（hiddennum）、輸出層（outdim）分別為3、9、4。種群的進(jìn)化次數(shù)也稱粒子的維度可以由由公式（5）計算出來。公式如下：

得出粒子群的種群進(jìn)化次數(shù)maxgen=76種群規(guī)模設(shè)置為sizepop=30。然后再將最優(yōu)的權(quán)值w和閾值b賦予給BP網(wǎng)絡(luò)，對國內(nèi)外三組實際開挖巖爆的案例，來進(jìn)行模型的驗證。

2.3不同預(yù)測方法結(jié)果的比較

將PSO-BP與經(jīng)驗判據(jù)巖爆預(yù)測的結(jié)果比較，如表1所示

通過表4的預(yù)測結(jié)果比較，某一個單一的經(jīng)驗判據(jù)來預(yù)測巖爆的結(jié)果是很不準(zhǔn)確的，PSO-BP綜合多個巖爆影響因素所預(yù)測出來的結(jié)果和實際的巖爆程度很相近。

結(jié)論：

（1）傳統(tǒng)經(jīng)驗判據(jù)預(yù)測巖爆導(dǎo)致預(yù)測精度不高，采用人工智能技術(shù)可以綜合多個影響因素來預(yù)測巖爆的傾向性。

（2）利用Matlab強大的工具箱功能，能夠?qū)崿F(xiàn)BP網(wǎng)絡(luò)從而解決問題的提高效率。