AGO-BP神经网络在主要影响角正切求取中的应用

• 作者: 吴朝阳 李宁
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 主要影响角正切 BP神经网络 数据累加 地表沉陷
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 应用·实践
• 页码范围: 117-120
• 分类号: TD325.3
• 语种: 中文

摘要

主要影响角正切tanβ是用概率积分法进行开采沉陷预计的主要参数之一，决定着地表沉陷的影响范围。指出了影响主要影响角正切的主要地质采矿因素，并根据一些矿区的实际观测资料，建立了求取主要影响角正切的AGO-BP神经网络模型。该模型是首先运用灰色理论中的累加算法对选定的原始计算数据进行预处理，然后采用BP神经网络模型计算主要影响角正切。AGO-BP神经网络模型不仅能够自动调整网络参数，而且避免只采用BP神经网络进行计算时可能出现的模型不稳定问题，所得到的主要影响角正切精度有一定的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁	中国矿业大学资源与地球科学学院	51	302	10.0	15.0
2	吴朝阳	中国矿业大学资源与地球科学学院	2	9	2.0	2.0