基于粗糙集-神经网络的矿山地质环境影响评价模型及应用

被引：28

作者：

蒋复量 ^{[1
,2
]}

周科平 ^{[1
]}

李书娜 ^{[1
]}

肖建清 ^{[1
]}

潘东 ^{[1
]}

李魁 ^{[1
]}

机构：

[1] 中南大学资源与安全工程学院

[2] 南华大学核资源与安全工程学院

来源：

中国安全科学学报 | 2009年 / 19卷 / 08期

关键词：

矿山地质环境; 评价模型; 粗糙集; BP神经网络; 评价指标;

D O I：

10.16265/j.cnki.issn1003-3033.2009.08.020

中图分类号：

X820.3 [环境影响评价]; TD167 [矿山环境地质];

学科分类号：

摘要：

采用衡山白果地区石膏矿山的11个评价指标,综合运用粗糙集和神经网络理论,构建了基于粗糙集-神经网络(RS-ANN)的矿山地质环境影响评价模型,对RSES软件约简的数据和无约简的数据采用EasyNN-plus软件进行预测评价。神经网络模型的输入属性为8个,而粗糙集-神经网络模型的输入属性为6个,训练样本均为13个,预测样本均为4个,前者的平均预测精度为1.85%～24.86%,后者为1.23%～15.28%。研究发现,粗糙集在保留关键信息的前提下可有效地对数据表进行约简,约简后的神经网络预测结果与实际情况吻合,并比无约简时总体精度有较大幅度提高。

引用

页码：126 / 132

页数：7

共 12 条

[1]

神木县矿山地质环境影响评价研究.[D].杨毅.西安科技大学.2008, 12

[2]

地下采矿与地质环境互馈机理及矿山地质环境治理研究.[D].何兴江.成都理工大学.2008, 09

[3] Rough ν-support vector regression [J].