基于PSO-BP神经网络的地表下沉系数选取研究

• 作者: 刘文生 张飞
• 来源期刊: 测绘工程
• 学科: 工学
• 关键词: 粒子群 BP神经网络 地表下沉系数
• 年，卷（期）: 2010,（6）
• 页码范围: 57-60
• 分类号: TD325|TP183
• 字数: 2067字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7949.2010.06.015

摘要

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型.利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标.利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比.结果表明:PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文生	辽宁工程技术大学土木与交通学院	51	551	14.0	21.0
2	张飞	辽宁工程技术大学测绘与地理科学学院	17	74	5.0	8.0