第４３卷第１期２０２３年１月西安科技大学学报ＪＯＵＲＮＡＬＯＦＸＩ’ＡＮＵＮＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＶｏｌ．４３Ｎｏ.１Ｊａｎ．２０２３来兴平，万培烽，单鹏飞，等．基于免疫粒子群混合算法优化ＢＰ网络的矿压预测方法［Ｊ］．西安科技大学学报，２０２３，４３（１）：１－８．ＬＡＩＸｉｎｇｐｉｎｇ，ＷＡＮＰｅｉｆｅｎｇ，ＳＨＡＮＰｅｎｇｆｅｉ，ｅｔａｌ．Ｍｉｎｅｐｒｅｓｓｕｒｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｉｍｍｕｎｅａｌｇｏｒｉｔｈｍ⁃ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉ⁃ｍｉｚａｔｉｏｎＢＰｎｅｔｗｏｒｋ［Ｊ］．ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２３，４３（１）：１－８．收稿日期：２０２２－０３－１４基金项目：陕西省自然科学基础研究计划企业联合基金项目（２０１９ＪＬＺ－０４）通信作者：来兴平，男，宁夏平罗人，教授，博士生导师，Ｅ⁃ｍａｉｌ：ｌａｉｘｐ＠ｘｕｓｔ．ｅｄｕ．ｃｎ基于免疫粒子群混合算法优化ＢＰ网络的矿压预测方法来兴平１，２，万培烽１，２，单鹏飞１，２，张云１，２，张雷铭１，２，穆楷文１，２，孙浩强１，２（１．西安科技大学能源学院，陕西西安７１００５４；２．西安科技大学西部矿井开采及灾害防治教育部重点实验室，陕西西安７１００５４）摘要：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。关键词：矿压预测；ＢＰ神经网络；免疫算法；粒子群优化中图分类号：ＴＤ３１５文献标志码：Ａ文章编号：...
