基于SDPSO—WNN模型的沖擊地壓危險性預測研究

曲暢

摘 要 在小波神經網絡的權值與閾值進行尋優中應用粒子群算法并加以隨機擾動，采用預測控制思想建立系統預測模型，與WNN模型對比發現。研究結果表明：模型得到了更高的收斂速率、收斂精度、泛化能力更強，可以廣泛應用到煤礦沖擊地壓危險性預測工作中。

關鍵詞 沖擊地壓；小波神經網絡；粒子群算法；預測模型

中圖分類號 TD324 文獻標識碼 A 文章編號 2095-6363（2017）11-0104-01

沖擊地壓是一種復雜、嚴重的非線性動力學現象，是人工活動如煤礦開采、煤礦爆破等誘發的地質災害[1]?，F在對于沖擊地壓有許多的研究手段。例如機制分析法、現場試驗法、聲光發射法、能量強度理論、突變理論等[2]。然而由于沖擊地壓成因復雜，很難對其機理進行深入研究，因此，采用傳統的數學、物理手段很難對預測模型構建，近年來，機器算法在非線性模型的構建中得到了廣泛的應用。

1 改進的例子群算法

1.1 基本粒子群算法

第i個粒子搜尋至當前最優位置是，

全部粒子種群迄今為止搜尋到的最優空間位置是，為第i個粒子速度，粒子速率及空間位置按照公式1、公式2進行迭代尋優：

（1）

i=1，2，…n d=1，2，…D （2）

1.2 隨機擾動粒子群優化算法

由于基本粒子群算法在迭代后期尋優能力較差，為了保證粒子的多樣性，特在算法中引入吸引算子，當時，粒子向全局最優解進行靠攏，而當時，粒子飛向種群最優解相異的方向，當差值d很?。ǎr，證明粒子當前解以接近全局最優，應該向其遠離，以實現對其他空間尋優；而當差值d比較大（）時，證明粒子當前的位置離全局最優解距離較遠，說明粒子應該靠近它，這樣，算法實現了種群中的每個粒子都是隨機流動的，使得群體尋優有更快的速度。則對粒子群算法優化如下：

（3）

（4）

2 基于SDPSO-WNN算法的沖擊地壓預測控制模型

2.1 沖擊地壓危險性等級模型原理

模型通過進行不斷校正，控制誤差在理想區間，實現時變非線性系統的預測控制。算法模型如圖1所示。

系統的實際輸出值與小波神經網絡預測輸出值做差值得到校正誤差：

（5）

加入補償算法后的閉環系統的輸出為：

（6）

其中，h取1為反饋系數。

2.2 沖擊地壓預測控制算法的流程

沖擊地壓危險性預測控制步驟如下。1）設置系統的起始狀況并及對小波神經網絡函數、粒子群參數賦值。2）對樣本進行優化篩選用以提高被控對象預測誤報率。3）在選取的樣本中選取一部分為訓練樣本，用以訓練小波神經網絡的參數，構建小波神經網絡預測模型并對系統辨識的輸出和訓練樣本的輸出進行差分得到辨識誤差，利用SDPSO優化算法對辨識網絡進行迭代。4）計算系統預測輸出值。5）對系統進行反饋校正，對系統的預測能力進行評估。

3 沖擊地壓預測的實例仿真分析

3.1 WNN神經網絡與改進粒子群算法的初始參數

選取

采用隨機擾動粒子群算法算法，小波神經網絡數據歸一化處理的方法比例縮放法，評價指標為均方誤差。

粒子群規模為40，加速因子，最大迭代次數，目標精度0.000 1。

3.2 沖擊地壓危險性預測仿真結果

分別利用樣本中1～15組數據進行網絡模型訓練，利用16～19組樣本數據對預測模型進行沖擊地壓危險等級測試，利用使用公式（7）進行樣本歸一化處理。

（7）

式中：為數據序列中的原始值；，分別為原始數據中的最大值和最小值；為變化后的數據；，分別為變換后數據的最大值和最小值，通過訓練誤差達到設定范圍0.000 1。

1）隨機擾動粒子群優化的WNN模型與WNN模型訓練效率對比。WNN模型模擬運行100次均未達到0.001的學習精度，其訓練精度最好為0.003 79，最差的達到0.015 46，均值為0.008 57。而對本文建立的SDPSO-WNN模型進行迭代100次，其訓練精度60%以上都能迅速到達0.001。

2）SDPSO-WNN模型與WNN模型的預測精度分析。WNN模型的預測精度亦不如SDPSO-WNN優化模型，WNN的仿真結果也與實測結果偏離較大。相比之下，優化后的模型有一個等級的小偏差，預測精度較為理想。

4 結論

本文在小波神經網絡的權值與閾值進行尋優中應用粒子群算法并加以隨機擾動，采用預測控制思想建立系統預測模型，與WNN神經網絡預測模型進行比較。研究結果表明：模型取得了更快的收斂速度、更高的收斂精度、泛化能力較高，可以廣泛應用到煤礦沖擊地壓危險性預測工作中。

參考文獻

[1]趙本均，滕學軍.沖擊地壓及其防治[M].北京：煤炭工業出版社，1995.

[2]司光耀.淺談煤礦沖擊地壓的主要預測手段[J].煤礦現代化，2008（5）：33-34.

[3]馬君，劉小東，孟穎.基于神經網絡的城市交通流預測研究[J].電子學報，2009，37（5）：1092-1093.

[4]趙國榮，王希彬，高青偉.粒子群優化小波神經網絡在慣導系統傳遞對準中的應用[J].計算機測量與控制，2010，22（3）：670-673.