基于IDBO–BP神经网络的巷道围岩松动圈厚度预测模型

摘要

松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数，准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素，巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈厚度的预测指标.在蜣螂优化（DBO）算法的基础上，通过引入Chebyshev混沌映射、黄金正弦策略和动态权重系数，构建了一种多策略融合的改进蜣螂优化算法（IDBO），并将其用于优化BP神经网络的初始权值和阈值，从而构建了基于IDBO–BP神经网络的松动圈厚度预测模型.利用102组松动圈实例数据对该模型的适用性和可靠性进行了验证.同时，采用Spearman相关性分析评估了各预测指标与松动圈厚度之间的相关程度，并通过R2、MAE、MBE和RMSE等指标对IDBO–BP神经网络模型的预测性能进行了系统评价.最后，将所构建模型应用于某金矿不同埋深巷道的松动圈厚度预测，以进一步验证其工程应用效果.结果表明：在5个预测指标中，节理发育程度与松动圈厚度的相关性最强，掘进断面积最弱；相比于BP和DBO–BP模型，IDBO–BP预测模型对于训练集与测试集的预测位置偏离程度更小，预测精度更高；与SVM、RF、PLS、BP、DBO–BP相比，IDBO–BP的R2值最接近1,MAE、MBE和RMSE值最小，表明IDBO–BP预测性能最好、迭代速度最快，预测精度最高；IDBO–BP模型对三个水平巷道的松动圈厚度预测平均误差为8.2%，相较于BP和DBO–BP模型，分别减少了9.3%和5.3%，预测精度得到较大提升，进一步证明了所提模型的可靠性.

关键词

松动圈 / BP神经网络 / 蜣螂优化算法 / 预测模型 / 模型性能评估

基金资助

国家重点研发计划课题资助项目（2023YFC2907302）; 国家自然科学基金资助项目（52274072）