[发明专利]岩体失稳阶段的预测方法、装置、系统以及存储介质

说明书

本发明实施方式提供一种岩体失稳阶段的预测方法、装置、系统以及存储介质，属于岩体失稳预测技术领域。方法包括：获取岩体的声发射信号；从获取到的声发射信号中提取特征参数；依据特征参数和预设的BP神经网络模型，预测岩体的失稳阶段；预设的BP神经网络模型通过岩体失稳不同阶段的声发射信号的特征参数对BP神经网络和遗传算法进行训练后得到。本发明上述技术方案通过建立以声发射信号特征参数为输入，以对应的岩体失稳阶段为输出的BP神经网络模型，实现对岩体失稳阶段的预测，通过遗传算法优化BP神经网络模型参数，有效解决了BP神经网络模型训练过程中对模型参数优化易陷入局部最优解的问题。

技术领域

本发明涉及岩体失稳预测技术领域，具体地涉及一种岩体失稳阶段的预测方法、一种岩体失稳阶段的预测装置、一种岩体失稳阶段的预测系统以及一种计算机可读存储介质。

背景技术

对地下采矿工程而言，要想保证矿山的安全生产，岩体稳定性的预测尤为重要。但是岩体由于其非线性和各向异性的力学性质，使得岩体内部状态难以判断，而目前现有的理论计算方法还不成熟，同时影响岩体失稳的因素太多，使得现有的理论计算公式难以运用到工程实践中。发明CN201510788783.9公开了一种利用神经网络预测巷道围岩变形的方法，通过巷道断面尺寸、埋深、岩石力学参数、围岩非均质度等指标，利用BP神经网络实现了预测围岩的变形量，但是其需采集、输入的参数多，计算量大，且只能预测围岩的变形量而无法预测岩体的失稳阶段，适用范围有限。

发明内容

本发明实施方式的目的是提供一种岩体失稳阶段的预测方法、装置、系统以及存储介质，以解决岩体失稳阶段预测困难的问题。

为了实现上述目的，在本发明第一方面，提供一种岩体失稳阶段的预测方法，所述方法包括：

获取岩体的声发射信号；

从获取到的声发射信号中提取特征参数；

依据所述特征参数和预设的BP神经网络模型，预测岩体的失稳阶段；所述预设的BP神经网络模型通过岩体失稳不同阶段的声发射信号的特征参数对BP神经网络和遗传算法进行训练后得到。

可选地，所述预设的BP神经网络模型训练过程为：

获取岩体失稳不同阶段的声发射信号，并从中提取岩体失稳不同阶段的声发射信号的特征参数；

将提取到的岩体失稳不同阶段的声发射信号的所有特征参数分为训练集和测试集；

依据所述训练集和遗传算法对BP神经网络进行训练，得到初始的BP神经网络模型；

依据测试集对所述初始的BP神经网络模型进行验证，得到所述预设的BP神经网络模型。

可选地，所述预设的BP神经网络模型为单输入、单输出的结构。

可选地，所述岩体失稳不同阶段的声发射信号的特征参数可以为振铃计数或能量计数。

可选地，所述得到初始的BP神经网络模型的具体过程包括：

依据所述训练集中的特征参数的类别和岩体的失稳阶段确定BP神经网络的输入层和输出层节点个数；

依据试凑法确定BP神经网络的隐含层节点个数；

初始化BP神经网络的权值和阈值；

通过所述遗传算法优化BP神经网络的权值和阈值；

依据所述训练集中的特征参数和对应的岩体失稳阶段对BP神经网络进行训练，获取BP神经网络的预测输出值与期望输出值的误差，通过反向传播更新BP神经网络的权值和阈值，直至预测输出值与期望输出值的误差小于第一设定值，得到所述初始的BP神经网络模型。

可选地，通过所述遗传算法优化BP神经网络的权值和阈值的具体过程包括：