排序方式： 共有3条查询结果，搜索用时 5 毫秒
1
1.
为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型.利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析.结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5％,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法. 相似文献
2.
为了研究煤层倾角、采宽、采厚、充填率在充填开采中对地表沉陷的敏感性,以山东某矿的采场条件为工程背景,基于正交试验原理,利用数值模拟软件(FLAC3D)进行计算,采用极差分析法与方差分析法分析各因素的敏感性,最后利用多元回归分析法建立了各因素与地表最大下沉值的函数关系式.研究结果表明:各因素对地表沉陷的敏感性由大到小为采宽、煤层倾角、采厚、充填率;地表最大下沉值与煤层倾角、充填率呈负相关的关系,与采宽、采厚正相关;回归方程效果显著,模拟值、回归方程预计值与实测数据吻合.为控制地表沉陷提供了参考依据. 相似文献
3.
采用双轨D-InSAR技术对某矿进行地表变形监测研究,利用SARscape软件中的D-InSAR工作流,对哨兵一号数据进行干涉处理、滤波、相位解缠、相位转形变等一系列数据处理,得到该煤矿地区2018年8月至2018年10月之间的地表变形图像.将D-InSAR处理得到的地表沉陷值与实际测量得到的变形值进行比较分析,进行精... 相似文献
1