基于Adaboost的改进BP神经网络地表沉陷预测

• 作者: 张卫东 潘红宇 白芸 赵云红 韩亚伟
• 来源期刊: 煤炭科学技术
• 学科: 工学
• 关键词: 地表沉陷 Adaboost算法 BP神经网络 变形预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 地质与测量
• 页码范围: 161-167
• 页数: 7页
• 分类号: TD329.5
• 字数: 4510字
• 语种: 中文

摘要

BP神经网络可以解决地表沉陷等非线性关系问题,为了更精确地进行地表沉陷变形预测,引入Adaboost算法对BP神经网络进行改进,并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型.首先通过BP神经网络进行训练、测试,经过多次迭代,将每个BP神经网络作为一个弱预测器加权组合,形成强预测器,并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测.预测结果表明:Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3mm,平均相对误差为5.82％,与BP神经网络预测相比,绝对误差降低了2.594 7 mm,相对误差降低了27.46％,由此表明Adaboost的BP神经网络适用于地表沉陷预测,且预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘红宇	西安科技大学安全科学与工程学院	29	255	7.0	15.0
2	赵云红	西安科技大学安全科学与工程学院	1	4	1.0	1.0
3	白芸	西安科技大学理学院	2	7	2.0	2.0