基于灰色神經網絡組合模型的礦區地表變形預測方法研究

作者：何榮,高睿,朱彬,丁加成

摘要：礦山開采區地表變形是資源開采引起的重要現象。監測、分析其內在規律,建立預測模型預計開采區地表沉降,對礦山安全生產和企業經濟可持續發展具有重要意義。針對地表沉降變形預測,分別建立了BP人工神經網絡模型、灰度預測模型、時間序列模型以及灰色神經網絡組合模型,探討四種模型適用場景及模型局限性,結合礦區地表一年的實際監測值進行模型精度評定,分析比較四種模型的模型特點以及預測結果。綜合比較表明組合模型融合了BP神經網絡與灰度預測模型的優勢,預測精度高,更加貼合實際測量值,且廣泛適應性強,可適用于多種應用場景,能較好地反映礦區地表沉陷變形發展趨勢。

發文機構：河南理工大學測繪與國土信息工程學院 中國科學院測量與地球物理研究所大地測量與地球動力學國家重點實驗室

關鍵詞：礦山開采沉陷BP神經網絡灰度預測灰色神經網絡mining subsidenceBP neural networkgrey predictiongrey neural network

分類號： TP183[自動化與計算機技術—控制理論與控制工程]TD