PCA和GA-BP神经网络在边坡稳定性预测中的应用

• 作者: 邓智中 田浩帆 包太
• 来源期刊: 采矿技术
• 关键词: 主成分分析 遗传算法 BP神经网络 边坡稳定性 预测模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 矿山安全与爆破工程
• 页码范围: 44-48
• 页数: 5页
• 语种: 中文
• DOI: 10.3969/j.issn.1671-2900.2021.02.012

摘要

针对现有边坡稳定性预测模型存在的不稳定性和精度不高的问题,采用主成分分析方法PCA和遗传算法GA对传统BP神经网络模型进行优化.PCA方法将露天矿边坡稳定性的6个评价指标转换为4个主成分,作为BP神经网络的输入变量;遗传算法对神经网络的初始权阈值进行了筛选优化.经优化后的模型既减少了神经网络的输入变量,提高了学习训练效率,又使得传统BP神经网络模型的精度大大提高.最后将PCA-GA-BP模型、GA-BP模型和传统BP模型得到的预测结果进行对比和误差分析.结果表明,基于PCA-GA-BP神经网络模型的预测精度较好,对露天矿边坡稳定性的预测具有一定的参考价值.