第21卷第4期2023年8月·工程纵横·基于NNGA模型的纤维膏体充填复合材料强度预测矿业工程MiningEngineering65张'，黄湛焕²，聂华伟（1.贵州装备制造职业学院，贵州贵阳551400；2.贵州交通职业技术学院，贵州贵阳551400）摘要：为了更快更准确获取添加聚丙烯纤维情况下不同配合比对矿山膏体充填材料强度的影响，构建了一种基于遗传算法反向传播神经网络NNGA模型，利用模型对纤维增强膏体充填材料的3d、7d和28d龄期的抗压强度进行预测和分析，R²值为0.98317，7d样本中绝对误差最小达到了0.008080，两个模型的最大相对误差下降了约44.18%，对比NNGA和BPNN模型的预测结果表明，NNGA混合模型预测的泛化能力更强，波动程度更小和稳定性更好，在工程实际中更具有可行性。关键词：纤维；抗压强度；膏体充填；预测中图分类号：X705；TD823.70引言胶结充填技术是一种用于矿山废弃物处理的方法，它能够解决尾矿在地表的堆积，并减弱深部矿山采空区的潜在危险。充填料浆在泵送至采空区后，经过一段时间的水化反应后，充填材料的力学性能得到加强，充填材料在支撑采空区和保障井下工作人员安全等方面发挥着至关重要的作用，胶结充填材料中尾矿、水泥和水是必不可少的原材料，添加纤维、粉煤灰和高炉矿渣等材料增强充填体性能。通常将胶结体的单轴抗压强度作为评价充填体材料的性能指标[2]。探究不同原材料成分对抗压强度的影响，需要大量的力学试验，试验则需要较高的时间和经济成本。因而，很多学者利用人工智能模型研究不同成分对充填材料强度的影响，在这些方法中，基于神经网络的模型在充填材料的强度上表现出很好的预测性能[3-4]然而对于纤维增强膏体充填材料的强度预测却少有研究，因此利用混合神经网络模型能有效的预测分析不同成分对纤维增强膏体充填材料强度的影响规律。本文利用GA算法的全局寻优特点优化NNBP算法，结合两种算法优势，建立NNGA模型强度预测模型用来预测纤维增强收稿日期：2022-07-04基金项目：贵州省科技厅科学技术基金（黔科合基础【2020】1Y280)。作者简介：张（1994－），男（布依族），贵州关岭人，贵州装备制造职业学院硕士研究生。文献标识码：A膏体充填材料的强度，研究为智能算法在矿山安全上的利用提供一定的理论指导。1实验数据来源此次研究数据库来源于试验和其他学者纤维复合膏体材料的研究数据，由54种不同配比的纤维复合充填材料数据组成，共有162组抗压强度值用来检验模型在3d，7d和28d不同龄期材料抗压强度预测的准确...
