金属矿山
金屬礦山
금속광산
METAL MINE
2014年
3期
97-100
,共4页
高彩云%崔希民%高宁%洪雪倩
高綵雲%崔希民%高寧%洪雪倩
고채운%최희민%고저%홍설천
矿区地表变形%GRNN神经网络%滚动建模%交叉验证%预测
礦區地錶變形%GRNN神經網絡%滾動建模%交扠驗證%預測
광구지표변형%GRNN신경망락%곤동건모%교차험증%예측
Surface deformation in mining areas%Generalized regression neural network (GRNN)%Rolling modeling%Across validation%Prediction
针对矿区地表变形预测受多种因素影响的复杂性、非线性等特点,基于新型广义回归神经网络(GRNN),构建了矿区地表变形预测模型.首先,介绍了GRNN的建模原理,并对影响GRNN网络预测的关键因素进行了讨论;其次,为了提高网络的泛化能力及预测精度,采用滚动建模方式对网络进行建模训练,并基于最小均方误差原理提出了交叉验证搜索算法对GRNN网络预测关键参数平滑因子SPREAD进行优选;最后,将优化后的GRNN网络应用于某矿区地表变形预测,并与LM-BP、RBF、回归分析3种模型的预测效果进行了比较,结果表明,GRNN网络泛化能力强、算法稳定,且预测精度较高,适合于矿区地表变形预测.
針對礦區地錶變形預測受多種因素影響的複雜性、非線性等特點,基于新型廣義迴歸神經網絡(GRNN),構建瞭礦區地錶變形預測模型.首先,介紹瞭GRNN的建模原理,併對影響GRNN網絡預測的關鍵因素進行瞭討論;其次,為瞭提高網絡的汎化能力及預測精度,採用滾動建模方式對網絡進行建模訓練,併基于最小均方誤差原理提齣瞭交扠驗證搜索算法對GRNN網絡預測關鍵參數平滑因子SPREAD進行優選;最後,將優化後的GRNN網絡應用于某礦區地錶變形預測,併與LM-BP、RBF、迴歸分析3種模型的預測效果進行瞭比較,結果錶明,GRNN網絡汎化能力彊、算法穩定,且預測精度較高,適閤于礦區地錶變形預測.
침대광구지표변형예측수다충인소영향적복잡성、비선성등특점,기우신형엄의회귀신경망락(GRNN),구건료광구지표변형예측모형.수선,개소료GRNN적건모원리,병대영향GRNN망락예측적관건인소진행료토론;기차,위료제고망락적범화능력급예측정도,채용곤동건모방식대망락진행건모훈련,병기우최소균방오차원리제출료교차험증수색산법대GRNN망락예측관건삼수평활인자SPREAD진행우선;최후,장우화후적GRNN망락응용우모광구지표변형예측,병여LM-BP、RBF、회귀분석3충모형적예측효과진행료비교,결과표명,GRNN망락범화능력강、산법은정,차예측정도교고,괄합우광구지표변형예측.
