基于免疫粒子群混合算法优化BP网络的矿压预测方法

为攻克综采工作面顶板矿压显现规律预测预报的难题，构建一种基于免疫粒子群混合算法优化BP神经网络的矿压预测模型(IA-PSO-BP),针对BP神经网络收敛速度慢和易陷入局部最优的问题，采用免疫粒子群混合算法优化BP神经网络，并选取11种矿压主要影响因素作为模型基础数据，对工作面来压强度和来压步距进行预测。结果表明：IA-PSO-BP网络模型的收敛速度较BP网络模型和PSO-BP网络模型分别提高8倍和2倍，IA-PSO-BP网络模型的预测值与实测值基本吻合，预测结果的相对误差分别约为BP网络模型和PSO-BP模型的1/5和1/3。基于IA-PSO-BP的工作面矿压预测方法具有较快的收敛速度和较高的准确率，实现了工作面初次来压强度、周期来压强度、初次来压步距和周期来压步距距预测，为煤矿井下工作面矿压预测提供了一种新的技术途径。