为了准确评价矿井地质构造复杂程度，以黄陵一号煤矿为研究对象，在矿井地质构造发育特征与规律分析的基础上，选取了能够反映和影响该矿地质构造复杂程度的11个评价指标，按照1 km×1 km规格将井田剖分为185个评价单元，计算每个评价单元的评价指标值，借助有序地质量最优分割分析将每个评价指标值分割为4类，分别对应地质构造的简单、中等、复杂、极复杂4种类型，利用段内插值法获得BP神经网络的训练样本；为了克服单纯BP神经网络程序缺乏隐层神经元结构全局优化、收敛速度慢和易陷入局部最小值之缺陷，尝试采用基于免疫遗传算法（IGA）进行优化的BP神经网络算法（即IGA-BP）对矿井地质构造复杂程度进行综合评价；借助既定的训练样本，成功实现了BP网络隐层结构的全局优化和BP神经网络训练，最终利用训练好的IGA-BP网络对未知评价单元的地质构造复杂程度进行了综合评价，并绘制了矿井构造复杂程度分区图。结果显示：构造简单区位于研究区北部、东北部和南部，构造复杂区位于研究区中部偏西，构造中等区分布于研究区中部构造复杂区的南北两侧；与GA-BP、BP神经网络方法对比，基于IGA-BP的评价结果与矿井实际情况更为吻合，且IGA-BP评价方法无需考虑评价指标之间的相关性及权重，为矿井构造评价提供了1种新的评价方法，评价结果可以指导矿井合理的采掘部署。

1 研究区概况
2 IGA-BP综合评价方法技术流程
3 评价单元剖分与指标体系
3.1 评价单元剖分
3.2 评价指标体系构建
3.2.1 褶皱评价指标
3.2.2 断层评价指标
3.2.3 其他评价指标
3.3 评价指标的取值
4 基于IGA-BP的矿井构造复杂程度综合评价
4.1 矿井构造复杂程度评价指标的量化分级
4.1.1 单元有序数据的最优分割基本原理
4.1.2 评价指标的量化分级
4.2 构造BP人工神经网络训练样本
4.3 免疫遗传算法
4.4 IGA优化BP神经网络的结构与参数
4.5 基于IGA-BP的矿井地质构造复杂程度评价
5 结语

薛喜成,吕自豪,倚江星,霍高普.基于IGA-BP的矿井构造复杂程度评价[J].煤矿安全,2023,54(03):193-203.DOI:10.13347/j.cnki.mkaq.2023.03.028.