来源：期刊VIP网 时间：
作者：张和江;张义平;侯晨锋;王缪斯;周利治;
单位：贵州大学矿业学院;贵州一和矿业有限公司;贵州一和科技有限公司;
摘要：针对探地雷达在煤岩界面预测应用中精度不足的问题，利用粒子群优化（PSO）算法对BP神经网络进行优化，构建了基于探地雷达与PSO-BP神经网络的煤岩界面预测模型。采用探地雷达单侧反射法探测煤岩界面，总结不同情况下的雷达图像响应特征，从而确定煤岩界面特征参数：煤占比、响应位置振幅、煤响应位置振幅平均值、振幅衰减值、反射波所用双程走时、电磁波波速和煤介电常数；根据选择的特征参数开展介电常数测试和模拟煤岩界面识别实验，获取实测样本数据；采用PSO算法对BP神经网络权值与阈值进行优化，得到最优模型；将煤岩界面特征参数输入PSO-BP神经网络模型，实现煤岩界面预测。实验结果表明：与GA-BP和BP神经网络模型相比，PSO-BP模型的均方误差（MSE）分别下降了22.14%和45.54%，平均绝对百分比误差（MAPE）分别下降了22.22%和46.15%，平均绝对误差（MAE）分别下降了31.58%和55.68%,PSO-BP在预测精度、误差控制能力和数据拟合效果上均具有显著优势，预测煤岩界面位置更贴近实际位置，稳定性更好。
关键词：煤岩界面识别;;探地雷达;;BP神经网络;;粒子群优化算法;;PSO-BP神经网络;;特征参数
基金资助：国家自然科学基金项目(52474127);; 贵州省科技支撑计划项目(黔科合支撑[2022]一般001,黔科合平台人才-CXTD[2023]030,黔科合成果LH[2025]重点005)
