一种基于BP神经网络的巷道支护快速优化方法

本发明涉及一种基于BP神经网络的巷道支护快速优化方法，属于金属矿支护方法技术领域。本发明的技术方案是：将岩石回弹值、岩体完整性指数、巷道埋深、断面尺寸和地下水发育程度五个因素作为输入层，将围岩松动圈范围作为输出层，利用ACO‑BP神经网络建立围岩快速分级预测模型；在此基础上，依据围岩松动圈理论，将围岩稳定性分为六个等级。本发明的有益效果是：工作人员装备便携设备在井下现场即可获取围岩稳定性等级，ACO‑BP神经网络模型在预测岩体质量等级方面具有良好的稳定性和准确性，准确率达92.9%以上；支护方案更加科学和合理，提高了支护的针对性和有效性，提高了巷道的稳定性和支护施工效率，保障了矿山安全生产。