基于遗传算法改进BP网络的地表沉陷预计

• 作者: 张荣亮 杨帆 肖波 麻凤海
• 来源期刊: 中国矿业
• 学科: 数学
• 关键词: 人工神经网络 遗传学习算法 BP算法 采动地表沉隐预测
• 年，卷（期）: 2005,（10）
• 所属期刊栏目: 矿业·纵横
• 页码范围: 83-86
• 页数: 4页
• 分类号: O159
• 字数: 2974字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4051.2005.10.024

摘要

本文采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.作为实例,将该方法应用于地表沉陷预计问题中.建立了采动地表沉陷的神经网络预计模型,利用矿区大量的地表沉陷实际观测数据样本对该神经网络进行训练和学习,并用该网络对几组数据进行采动地表沉陷预计.结果表明,该神经网络预计模型具有收敛速度快、预测精度高的优点,为采动地表沉陷预计提供了实用的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨帆	辽宁工程技术大学测量工程系	84	708	14.0	23.0
2	麻凤海	辽宁工程技术大学学科建设办公室	17	450	10.0	17.0
3	肖波	辽宁工程技术大学土木建筑工程学院	2	22	1.0	2.0
4	张荣亮	辽宁工程技术大学土木建筑工程学院	2	22	1.0	2.0