文/肖雄 武漢理工大學(xué)土木工程與建筑學(xué)院 湖北武漢 430070

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(yùn)算并利用粒子群（PSO）進(jìn)行網(wǎng)絡(luò)的優(yōu)化。相對(duì)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(gè)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(shí)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

1.1 BP神經(jīng)網(wǎng)絡(luò)與巖爆的結(jié)合

（1）BP算法流程分成兩個(gè)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(jì)算出最優(yōu)的初始權(quán)值和閾值。能夠得到各個(gè)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(jí)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(Particle Swarm Optimizatio n，PSO），也稱微粒群算法，它能夠優(yōu)化BP網(wǎng)絡(luò)的關(guān)鍵一點(diǎn)是，能夠找尋最優(yōu)的初始隨機(jī)權(quán)重和閾值。

對(duì)于PSO算法，所有粒子(假設(shè)N個(gè))通過速度Vi =(vi1,vi2,.......,viD)更新其空間位置Xi =(xi1,xi2,...,xiD)。粒子根據(jù)如下公式更新速度和位置[1]：

2、PSO-BP 模型巖爆預(yù)測的Matlab實(shí)現(xiàn)

2.1 網(wǎng)絡(luò)參數(shù)的選取與訓(xùn)練

本文的巖爆實(shí)際案例數(shù)據(jù)來源于文獻(xiàn)[2]，表1是訓(xùn)練網(wǎng)絡(luò)所用的16個(gè)工程實(shí)際案例。通過公式（3）對(duì)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(shí)，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)。

2.2 PSO-BP算法的工程實(shí)例

基于MATLAB9.1.0(R2016b)對(duì)PSOBP算法進(jìn)行了編制[3]，兩個(gè)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(jì)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(duì)國內(nèi)外三組實(shí)際開挖巖爆的案例，來進(jìn)行模型的驗(yàn)證。

2.3 不同預(yù)測方法結(jié)果的比較

將PSO-BP與經(jīng)驗(yàn)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(gè)單一的經(jīng)驗(yàn)判據(jù)來預(yù)測巖爆的結(jié)果是很不準(zhǔn)確的，PSOBP綜合多個(gè)巖爆影響因素所預(yù)測出來的結(jié)果和實(shí)際的巖爆程度很相近。

?

結(jié)論：

（1）傳統(tǒng)經(jīng)驗(yàn)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(gè)影響因素來預(yù)測巖爆的傾向性。

（2）利用Matlab強(qiáng)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。