露天矿边坡变形监测中BP神经网络模型优化设计

• 作者: 钱建国 高晨
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: BP神经网络模型 自适应混合跳跃粒子群算法 露天矿边坡 预测
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 博士园地
• 页码范围: 4-6,11
• 页数: 4页
• 分类号: P25|TB22
• 字数: 3500字
• 语种: 中文

摘要

提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型.传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱建国		31	143	5.0	11.0
2	高晨		1	1	1.0	1.0