基于PSO-RBF神经网络的主要影响角正切求取方法
主要影响角正切tanβ是采用概率积分法进行矿山开采沉陷预计的主要参数之一,决定着开采沉陷的影响范围.为了提高tanβ求取精度,在分析tanβ及其影响因素的基础上,选取tanβ的5个主要影响因素作为输入层神经元,将粒子群(PSO)快速搜索全局最优解算法与径向基(RBF)神经网络相结合,提出一种求取tanβ的PSO-RBF神经网络预测模型,获得tanβ和地质采矿条件之间的非线性映射关系.运用中国30个典型观测站的实测数据作为学习训练和测试样本,进行了PSO-RBF神经网络模型的适应度和泛化能力测试,对预测结果与实测值进行了对比分析.结果表明:应用PSO-RBF神经网络模型预测tanβ,收敛速度快,预测精度高.预测结果的最大相对误差为6.54％,最小为2.56％,所得到的tanβ精度有了一定的提高.
矿山开采 沉陷预计 粒子群 径向基 神经网络 精度控制
陈俊杰 王明远 武君 闫伟涛
河南理工大学测绘与国土信息工程学院,河南 焦作454000
国内会议
珠海
中文
224-228
2015-04-23（万方平台首次上网日期，不代表论文的发表时间）