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作者机构:山东科技大学测绘科学与工程学院山东青岛266590
出 版 物:《中国科技论文》 (China Sciencepaper)
年 卷 期:2020年第15卷第9期
页 面:993-997,1004页
学科分类:081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学]
摘 要: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。