一种高精度的概率积分法参数预计方法

作     者：胡顺强 王攀 HU Shun-qiang;WANG Pan

作者机构：首都师范大学三维信息获取与应用教育部重点实验室北京100048 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室北京100083 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2018年第18卷第33期

页      面：166-177页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家重大科学仪器设备开发专项(2012YQ030126) 国家自然科学基金煤炭联合资助项目(U1261203) 中国地质调查局项目(12120115102101)资助 

主　　题：概率积分法 遗传算法 BP神经网络 SVM 开采沉陷 

摘      要：为使概率积分法参数预计具备更高的精度,在充分分析概率积分法参数与地质采矿条件间关系的前提下,整合遗传算法和BP神经网络的功能特性构建了一种新的网络模型,即NA(new approach)模型。该模型利用遗传算法的寻优能力获得网络最优输入自变量组合,并优化模型的权值和阈值。以中国45个典型的地表移动观测站数据作为训练和测试集,分别建立NA、BP网络和SVM模型,并将模型预测结果与实测数据做了对比分析。结果表明:对不同的概率积分法参数预计时,NA模型的预测精度都优于BP网络和SVM模型;且误差波动范围小、稳定性高。随预计参数的不同,BP网络和SVM模型预测精度各占优势,但两者预测效果相差甚微。