基于主成分分析的GA-BP神经网络地表下沉系数预测

• 作者: 郭凯维 郭传超 史耀凡 于水
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 主成分分析 BP神经网络 遗传算法 下沉系数
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 学术探讨
• 页码范围: 1374-1379
• 页数: 6页
• 分类号: P208
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2021.11.003

摘要

为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型.利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析.结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5％,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法.