数据预处理条件下的神经网络开采沉陷预计模型研究

被引：7

作者：

张安兵 ^{[1
]}

高井祥 ^{[2
]}

张兆江 ^{[1
]}

机构：

[1] 中国矿业大学环测学院

[2] 河北工程大学水电学院

来源：

测绘科学 | 2008年 / 04期

关键词：

数据预处理; 预测; AGO模型;

D O I：

暂无

中图分类号：

TD325 [岩层移动];

学科分类号：

0819 ;

摘要：

开采沉陷预计是矿山开采研究领域的核心和难点之一,它对开采沉陷的理论研究和生产实践都有重要的意义。本文以进行沉陷预计为目的,提出建立基于各影响因素数据序列思想,其主要步骤为首先建立影响因素序列;其次利用灰色理论对建立的数据序列进行预处理;最后构建基于数据预处理条件下的BP神经网络预测模型(AGO-BP模型),以用于矿区沉陷预报。通过对几组实例本文对建立的模型进行了多次反复预测实验,预测结果证实该模型预测精度较高,在工程上具有一定的应用价值。

引用

页码：47 / 49

页数：3

共 10 条

[1] 灰色预测在建筑物沉降变形分析中的应用 [J].