采空区危险性评价方法优化

为了更合理精确地评价采空区危险性,对利用神经网络评价的方法进行优化,建立主成分分析法与神经网络结合的采空区危险性评价模型。从地质和工程条件出发,综合考虑影响采空区稳定性的13项主要因素,统计样本数据。运用主成分分析法对影响采空区稳定性的样本进行预处理,将分析结果作为神经网络的输入数据,减少输入变量,消除变量之间的相关性,从而加快数据处理速度,提高预测精度。将该方法应用于锡矿山的采空区危险性评价。结果表明,预测误差在8%以内,较未经主成分分析的神经网络预测精度有了很大提高。利用主成分分析法和神经网络结合建立的采空区危险性评价模型具有分析速度快、预测精度高等优点。该方法科学合理,为采空区危险性评价提供了一种更完善的评价体系。