多模型融合的矿区地表沉降预测方法及适用性 |
| |
引用本文: | 原喜屯,温永啸,陈芯宇.多模型融合的矿区地表沉降预测方法及适用性[J].大地测量与地球动力学,2023(3):232-238. |
| |
作者姓名: | 原喜屯 温永啸 陈芯宇 |
| |
作者单位: | 西安科技大学测绘科学与技术学院 |
| |
摘 要: | 为消除BP神经网络模型对矿区地表沉降预测精度有限且不够稳定的问题,以某矿区为例,选定弹性模量、泊松比、内聚力等9种影响矿区地表沉降的因素和最大下沉值作为初始样本数据,使用卡尔曼滤波(KF)优化BP神经网络,再将构建的KF-BP模型视作自适应增强(AdaBoost)算法中的弱预测器,通过最终权重分布将各弱预测器加权组合成强预测器。运用MATLAB建立BP神经网络模型、KF-BP模型、AdaBoost-BP模型和AdaBoost-KF-BP模型分别对矿区实际沉降监测数据进行训练和预测,结果表明,AdaBoost-KF-BP模型的稳定性最高,其精度相较于其他模型有明显提升。
|
关 键 词: | 矿区地表沉降 BP神经网络 卡尔曼滤波 AdaBoost算法 采深 |
|
|