基于ABC-GRNN组合模型的露天矿边坡变形预测

作     者：宁永香 崔希民 崔建国 NING Yongxiang;CUI Ximin;CUI Jianguo

作者机构：山西工程技术学院地球科学与工程系山西阳泉045000 矿区生态修复与固废资源化省市共建山西省重点实验室培育基地山西阳泉045000 中国矿业大学(北京)地球科学与测绘工程学院北京100083 

出 版 物：《煤田地质与勘探》 (Coal Geology & Exploration)

年 卷 期：2023年第51卷第3期

页      面：65-72页

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 0818[工学-地质资源与地质工程] 0706[理学-大气科学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52274169) 阳泉市重点研发计划项目(2019G14) 山西省基础研究计划项目(202303021211156)。 

主　　题：露天矿 边坡变形 蜂群算法 广义回归神经网络 预测模型 预测精度 

摘      要：准确预测露天矿边坡变形是有效实现边坡临灾预警的重要保证,针对传统边坡变形预测方法无法表征和综合分析边坡变形受多种因素的影响,提出一种露天矿边坡变形的人工蜂群(ABC)算法优化广义回归网络(GRNN)组合预测模型(ABC-GRNN)。在此预测模型中,综合考虑了影响露天矿边坡变形的5个因素:开采扰动、降雨量、降雨持续时间、温度以及湿度。以山西中煤平朔安家岭露天矿为例,通过遗传算法改进BP神经网络(GA-BPNN)、支持向量机(SVM)等人工智能算法与实测变形数据进行预测效果对比分析。结果表明:ABC算法能够快速帮助GRNN寻优获取合适的传递参数,并对变形进行有效的预测。ABC-GRNN组合预测模型,将预测结果的平均绝对误差292.9 mm、平均绝对百分比误差0.691 3%及均方根误差338.9 mm分别降低到25 mm、0.043 3%和29.5 mm,说明该模型具有更高的预测精度;ABC-GRNN模型比其他模型收敛速度快,只经过7步的迭代,即可得到最小的均方误差。与其他预测模型相比较,本文模型的预测精度更高、泛化能力更强、收敛速度更快,有较高的实用价值。