| 基于主成分分析的GA-BP神经网络地表下沉系数预测 |
| |
| 引用本文： | 郭凯维,郭传超,史耀凡,于水.基于主成分分析的GA-BP神经网络地表下沉系数预测[J].北京测绘,2021,35(11):1374-1379. |
| |
| 作者姓名： | 郭凯维 郭传超 史耀凡 于水 |
| |
| 作者单位： | 山东科技大学 测绘与空间信息学院,山东 青岛266590 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 主成分分析 BP神经网络 遗传算法 下沉系数 |
Prediction of Surface Subsidence Coefficient by Improved BP Neural Network Based on Principal Component Analysis |
| |
| GUO Kaiwei,GUO Chuanchao,SHI Yaofan,YU Shui.Prediction of Surface Subsidence Coefficient by Improved BP Neural Network Based on Principal Component Analysis[J].Beijing Surveying and Mapping,2021,35(11):1374-1379. |
| |
| Authors: | GUO Kaiwei GUO Chuanchao SHI Yaofan YU Shui |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
