基于Adaboost-PSO-BP模型的開采沉陷預測研究

邢 壘，原喜屯，張 沛

(西安科技大學，陜西 西安 710000)

開采沉陷是礦物被開采后，巖體中原始應力平衡狀態改變，使地表和巖層產生連續移動、變形和非連續破壞的現象[1]。大面積礦物開采導致區域環境污染和資源破壞，引起開采區巖土體位形變化，誘發各種地質災害[2]，嚴重影響工礦區經濟發展和環境保護，威脅人民生命財產安全，阻礙工礦區和工礦城市可持續發展。因地質采礦條件復雜，傳統的經驗法、理論模型法及影響函數法等方法[3]僅用數學或力學理論無法對開采沉陷進行準確、全面的預測；而反復建立地表移動觀測站，耗時費力又不能完全滿足礦區持續生產需求[4-6]。因此通過優化算法對開采沉陷進行預測具有一定的理論與實用價值。

BP(Back Propagation)神經網絡作為目前應用最廣的神經網絡之一，已廣泛應用于開采沉陷變形預測中，并擁有良好的預測效果[7]。麻鳳海、王泳嘉、范學理等把神經網絡理論應用到開采沉陷中，并利用神經網絡對地表沉陷進行預測，取得較滿意的結果[8，9]。肖波、麻鳳海、楊帆等將遺傳算法和誤差反向傳播算法相結合，訓練前饋人工神經網絡，并將該方法用于解決實際問題[10]。張飛、劉文生建立粒子群優化BP神經網絡的地表下沉系數選取模型，該模型優化了BP神經網絡收斂速度緩慢、易陷入局部極值等缺陷[11]。為更好地處理礦區沉陷復雜非線性問題，為地表沉陷引起的破壞事故提供基礎預測數據，本文在前人的研究基礎上，提出了改進的Adaboost-PSO-BP模型，該模型具有較強的抗過擬合能力及較高的預測精度，對煤礦的安全生產、社會經濟及環境保護具有重大現實意義。……