概率积分预计参数的神经网络优化算法

• 作者: 吕伟才 池深深 韩必武 黄晖
• 来源期刊: 测绘科学
• 学科: 工学
• 关键词: 开采沉陷 概率积分法 预计参数 BP神经网络 多种群遗传算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 基础研究
• 页码范围: 35-41
• 页数: 7页
• 分类号: TU196
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2019.09.006

摘要

在分析BP神经网络不足的基础上,为提高概率积分法进行开采沉陷预计时所采用的预计参数的正确性,该文建立了地质采矿条件与预计参数之间的非线性关系,以我国43个地表移动观测站的实测数据为训练和测试样本,采用多种群遗传算法(MPGA)优化BP神经网络的权值和阈值,构建新的概率积分法参数解算方法.计算结果表明,较单纯的BP神经网络算法和标准的遗传算法而言,MPGA算法优化的BP神经网络算法解算的预计参数具有更高的相对精度,这对于获取待研究区域的高精度概率积分法预计参数具有良好的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕伟才	安徽理工大学测绘学院	52	331	11.0	15.0
2	池深深	安徽理工大学测绘学院	12	49	5.0	6.0