中国科技论文

2020, v.15(09) 993-997+1004

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于GRA-PCA-BP神经网络模型的地表下沉系数预测分析
Prediction and analysis of surface subsidence coefficient based on GRA-PCA-BP neural network model

栾元重;纪赵磊;梁耀东;李增鑫;于健;

摘要(Abstract):

针对煤矿开采地表下沉系数难以准确预计的难题,基于国内41个矿区的地表移动观测站数据,建立基于灰色关联度分析(grey relation analysis,GRA)和主成分分析(principal component analysis,PCA)的GRA-PCA-BP神经网络预测模型,对地表下沉系数进行预测分析。运用GRA筛选出地表下沉系数的主要影响因素,对筛选出的主要影响因素进行PCA,消除因素间的冗余信息并降低数据维度,起到简化网络结构的作用,并在此基础上进行模型预测对比分析。结果表明:与传统的BP神经网络模型和GRA-BP模型相比,GRA-PCA-BP模型的网络泛化能力和预测精度更优,预测结果的平均相对误差为6.841%,与实测值更为接近,是地表下沉系数准确预计的又一种可行方法。

关键词(KeyWords): 主成分分析;灰色关联度分析;BP神经网络;下沉系数

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 栾元重;纪赵磊;梁耀东;李增鑫;于健;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享