最优权组合预测法在采煤沉陷变形预测中的应用   总被引：1，自引：0，他引：1  

鲁小红 《测绘通报》2020,(4):111-115

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开，基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想，以非等间隔灰色预测模型与BP神经网络模型为预测单模型，以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源，以最优加权法对单模型预测结果开展了最优权组合，组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价，结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果，最优权组合预测的模型精度较单模型明显提升，预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。  相似文献   

基于Maxent模型的宁夏枸杞蚜虫适生分布预测研究     

马菁  刘垚  张学俭 《地理与地理信息科学》2019,35(5)

  相似文献   

一种基于M估计的Robust-ELM滑坡位移预测方法     

高彩云  高宁 《大地测量与地球动力学》2019,39(2):153-157

采用传统ELM算法进行滑坡位移预测时，其网络输出权值由最小二乘估计得出，导致ELM抗差能力较差，从而造成网络训练参数不准确。为此，将M估计与ELM相结合，提出一种基于M估计的Robust-ELM滑坡变形预测方法。该方法利用加权最小二乘方法来取代最小二乘法计算ELM输出权值，以减少滑坡监测数据中粗差对ELM预测的干扰。分别以链子崖、古树屋滑坡体为例，将Robust-ELM进行了单维、多维粗差的抵御性验证。结果表明，该方法能够有效降低粗差对预测的影响，具有良好的抗差能力。  相似文献   

西昆仑玛尔坎苏石炭纪大型锰矿带构造背景与成矿条件     

张连昌  张帮禄  董志国  谢月桥  李文君  彭自栋  朱明田  王长乐 《吉林大学学报(地球科学版)》2020,50(5):1340-1357

西昆仑北段玛尔坎苏地区探明的大型碳酸锰成矿带，是我国近年最重要的找矿成果之一。该锰矿带构造上属北昆仑晚古生代弧后伸展盆地，其构造动力学背景为古特提斯洋向北俯冲于塔里木地块之下形成的弧盆体系。锰矿体主要发育于晚石炭世喀拉阿特河组含炭泥质灰岩夹薄层灰岩中。矿石中主要金属矿物为菱锰矿（75%~95%），次为软锰矿、硫锰矿及少量黄铁矿等。含锰岩系岩性和岩相学研究表明，玛尔坎苏锰矿带属典型的海相沉积锰矿床，其矿床成因可能与晚古生代半局限盆地沉积和海底热液活动有关。海底热液活动可能为成矿提供了丰富的物质来源。含锰岩系元素和同位素地球化学特征表明，玛尔坎苏锰矿沉淀时的水体环境为常氧条件，而矿层下盘（部分）岩系的岩性及地球化学特征反映其沉积时的水体环境为低氧—贫氧条件。玛尔坎苏锰矿带锰矿石具有负的δ¹³C值（-23.3‰~-10.0‰），推测有机质导致的还原作用是该锰矿由原生氧化锰在成岩期转化为菱锰矿和形成富锰矿的重要机制。  相似文献   

一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型     

冯绍权  花向红  陶武勇  宣伟  吴伟  续东 《测绘通报》2019,(7):50-53,82

提出一种基于马尔科夫链修正的遗传BP神经网络预测模型（GA-BP-MC），利用遗传算法的全局寻优能力初始化BP神经网络权值和阈值，初步建立GA-BP神经网络预测模型，结合马尔科夫链的无后效性修正模型预测值，形成高精度GA-BP-MC神经网络变形预测模型。结合高铁桥墩沉降数据，分别与BP神经网络、GA-BP神经网络预测模型进行对比，结果表明，该预测模型精度最高。  相似文献   

GNSS转发式欺骗干扰方法的改进     

何婷 《测绘通报》2019,(4):71-74,83

针对GNSS多天线转发式欺骗干扰在实际应用中，当干扰机与目标机距离大于一定范围时，将引起目标机钟差突跳，从而易被目标机检测和识别的缺陷，提出了基于干扰机阵列的转发式欺骗干扰新方法。干扰机阵列按照正六边形网型布设，可实现目标区域的无缝覆盖，并且灵活易拓展。不论目标机位于区域的任何位置，均有一个最优干扰机能够对其实施有效干扰。为了确定相邻干扰机的最优间距，本文在干扰机阵列不同间距下对具有钟差突跳自适应检测能力的目标机的干扰有效性进行了仿真研究。结论表明，综合考虑各种约束因素，相邻干扰机最优间距为17 km，满足该条件的干扰机阵列在实施欺骗干扰过程中，不会造成目标机钟差突跳，有效解决了该干扰方式易被目标机识别的问题。  相似文献   

大坝变形监测的粒子群优化高斯过程预测     

《北京测绘》2019,(6)

针对大坝变形数据的非平稳非线性特点,传统预测模型受到了一定限制。鉴于高斯过程(Gaussian Process,GP)对非平稳数据具有高自适应性,考虑到其自身在协方差函数选取以及超参数优化方面存在不足,为提高高斯过程模型的预测精度,文中通过粒子群算法(Particle Swarm Optimization,PSO)优化其超参数并选择最优协方差函数。通过实例验证分析,比较多元回归分析、GP、PSO-GP三种模型在大坝变形监测数据处理中的预测精度,表明大坝非线性预测模型粒子群优化高斯过程算法具有较高的预测精度,是一种有效的大坝变形分析预测方法。  相似文献   

高层建筑物沉降监测与预测方法     

《北京测绘》2019,(11)

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。  相似文献   

金普新区地表覆盖格局演变及预测分析     

《北京测绘》2019,(9)

针对国家级新区享受各项政策红利,但无有效的定量评价方式对国家级新区发展情况进行监测、对国家级新区未来土地发展状况无高置信度的预测方式等问题,利用转移矩阵及相关模型定量地对地表覆盖格局变化进行了分析;基于CA-Markov模型,对未来一段时间的土地空间格局进行了预测;通过定量分析与实验结果表明:(1)金普新区成立前土地变化情况多为自然地物间的变换,金普新区成立后有大规模的人工地物变化;(2)基于CA-Markov模型对土地空间格局进行分析可信度较高,可以服务于土地结构演变分析。  相似文献   

基于支持向量机的GNSS时间序列预测          下载免费PDF全文

邓永春  徐跃  徐丹丹  贾雪  田先才 《全球定位系统》2019,44(2):70-75

在深度学习的理论框架下,针对预测全球卫星导航系统(GNSS)时间序列,传统的经验风险最小化预测模型误差大精度低,泛化性能差且对历史数据的经验依赖大的问题.提出一种采用结构风险最小化原则的基于支持向量机(SVM)的时间序列预测模型．通过和多层的BP神经网络预测模型预测效果比较,结果证明SVM预测模型拥有更好的时间序列预测效果．   相似文献