基于BP神经网络的采空区激光探测环境误差修正

为了研究地下金属矿山高温-高湿-多尘复杂环境对采空区三维激光探测精度的影响,研发采空区复杂环境模拟装置,设计64组正交试验方案,分析温度、相对湿度和粉尘质量浓度对探测误差的影响并进行修正.为进一步量化探测误差,建立BP神经网络预测模型,并应用于某铅锌矿采空区的探测中.研究结果表明:随相对湿度升高,点云平均误差比呈"S"型曲线增长,当相对湿度介于75.0％～85.0％时,增长速率明显加快;随粉尘质量浓度增大,点云平均误差比以40 mg/m3和100 mg/m3为节点呈三段式线性增长,当粉尘质量浓度介于40～100 mg/m3时,增长速率最快,当粉尘质量浓度大于100 mg/m3时,增长速率次之,当粉尘质量浓度小于40 mg/m3时,增长速率最低;温度对点云平均误差比影响较小.模型预测值与实测值的平均相对误差为1.80％,校正决定系数为0.993;修正后的采空区边界标高、体积和顶板暴露面积等参数更加符合实际情况.