基于灰色神经网络组合模型的矿区地表变形预测方法研究

• 作者: 丁加成 何荣 朱彬 高睿
• 来源期刊: 现代测绘
• 学科: 工学
• 关键词: 矿山开采沉陷 BP神经网络 灰度预测 灰色神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 科技专栏——人工智能
• 页码范围: 4-7
• 页数: 4页
• 分类号: TP183|TD823
• 字数: 2166字
• 语种: 中文

摘要

矿山开采区地表变形是资源开采引起的重要现象.监测、分析其内在规律,建立预测模型预计开采区地表沉降,对矿山安全生产和企业经济可持续发展具有重要意义.针对地表沉降变形预测,分别建立了BP人工神经网络模型、灰度预测模型、时间序列模型以及灰色神经网络组合模型,探讨四种模型适用场景及模型局限性,结合矿区地表一年的实际监测值进行模型精度评定,分析比较四种模型的模型特点以及预测结果.综合比较表明组合模型融合了BP神经网络与灰度预测模型的优势,预测精度高,更加贴合实际测量值,且广泛适应性强,可适用于多种应用场景,能较好地反映矿区地表沉陷变形发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何荣	河南理工大学测绘与国土信息工程学院	33	322	11.0	17.0
2	高睿	河南理工大学测绘与国土信息工程学院	1	0	0.0	0.0
6	朱彬	河南理工大学测绘与国土信息工程学院	1	0	0.0	0.0
7	丁加成	河南理工大学测绘与国土信息工程学院	1	0	0.0	0.0