一种优化的GA-KF与BP-Adaboost地表下沉组合预测模型北大核心CSCD

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。     

基于BP神经网络的地表沉降预测及应用

一、地表沉陷 地表沉陷一般是指地层中的岩体临空或受力而发生在铅垂方向和水平方向上的缓慢或突发性的变形、破坏和运动。它可以划分为天然地层沉陷和人为地层沉陷。天然地层沉陷一般指人类不可抗拒的地层变化,例如地震、火山喷发、地下岩石溶洞陷落、山体崩塌泥石流等自然灾害等,     

基于神经网络的混沌时间序列预测

为了提高了RBF神经网络对于混沌时间序列的预测性能,从相空间重构理论出发,建立RBF神经网络,并且改变RBF神经网络训练参数及训练样本数,以Logistic及Lorenz混沌时间序列进行预测仿真,取得了不错的预测效果。     

多模型融合的矿区地表沉降预测方法及适用性

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。     

桥梁水平位移混沌特征识别与神经网络预测研究

跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生.对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变...     

混沌RBF神经网络的地磁变化场预测模型

提出一种融合混沌理论和RBF(radial basis function)神经网络的地磁变化单站预测模型。分析磁场数据的混沌特性,求取关键参数嵌入维数m和时间延迟τ,据此对初始数据进行相空间重构,并将经混沌理论优化的样本集作为神经网络的训练集和测试集进行仿真实验。结果表明,经混沌理论改进后的RBF神经网络模型可以较为准确地预测地球磁场的变化趋势,对我国地磁场的适用性较好,具有一定的泛化能力。     

基于混沌理论的时间序列区间预测

运用非参数统计的方法，作出混沌时间序列在特定概率限的区间预测，弥补了传统点预测的不足，使预测的适用性得以提高。并通过数据实证验证了该理论方法。     

改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题,对其进行改进并进一步与BP神经网络组合,同时有效兼顾滑坡外部影响因子,发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据,验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型,以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明：引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法,可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题;IHHO-BP模型具有更好的泛化能力,可有效提升滑坡位移的预测精度,该组合预测模型具有更好的推广应用价值。     

基于BP神经网络的地磁变化场预测研究

以现有地磁台站的长期海量观测数据为基础,忽略地磁场成因及众多影响因素的复杂作用机理,对地磁变化场的时空关联性进行分析,挖掘数据中蕴含的规律信息,进一步构建基于BP神经网络的地磁变化场预测模型。通过实际地磁台站的观测数据对模型预测结果进行验证,结果表明,对于任意选取的100组验证数据,均方根误差为4.8 nT,求解精度能够满足一般科学研究对地磁变化场的精度需求。     

基于混沌时间序列的地下水位多步预测模型

利用相空间重构技术,并借助G-P算法、C-C方法和Wolf方法从宁陵地区地下水位一维时间序列中提取Lyapunov指数,结果表明此时间序列具有混沌特征。计算了宁陵地区地下水位时间序列的关联维数、时间延迟和最大Lyapunov指数,将局域加权一阶多步预测模型应用于地下水位预测。预测表明,此模型可有效应用于地下水位时间序列的多步预测。     

BP神经网络和ARMA模型在中纬度TEC短期预测中的对比分析

在充分考虑TEC序列非平稳、非线性、高噪声特性前提下,以IGS提供的2017年电离层TEC格网数据为基准,运用BP神经网络和ARMA两种模型分别进行TEC 3 d预测,重点分析两种模型在不同季节时段、不同电离层活跃强度及不同样本长度下的TEC预测性能及精度.结果表明,在不同时段,两种模型均能很好地反映TEC的变化特性,...     

一种加权Logistic-Richards组合模型的地表沉降预测方法

利用平移反幂法特征值求权方法,对两种地表沉降预测模型(Logistic模型和Richards模型)进行加权组合。以深圳地铁人民南车站、鹿丹村车站和长沙地铁东四线车站为例,运用新的加权Logistic-Richards组合模型对地铁施工期间地表沉降进行拟合和预测,对比验证了该组合模型的优越性。     

基于EWT-Prophet方法的地表沉降预测

针对地表沉降预测研究中单一传统方法预测精度较低、预测过程不稳定等问题,提出一种经验小波变换(EWT)与Prophet预测模型相结合的优化预测方法.以江西省上饶市德兴矿区为例,采用30景哨兵1号影像进行SBAS-InSAR沉降研究,并获取该区域研究时段内的沉降时序数据.首先对原始沉降时序数据进行EWT自适应分解,分解产生...     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均(IOWA)算子,将差分整合移动平均自回归(ARIMA)模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析.结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差(MSE)平均值为...     

遗传神经网络在地面沉降趋势预测中的应用

受地下流体资源和固体矿物开采、地面动静荷载、地下空间开发等人为因素的影响,区域性地面沉降问题越来越突出;构建区域地面沉降预测预报模型,及时发现潜在隐患并拟定合理的防治措施对保障经济社会与生态环境可持续发展方面具有重要意义。该文基于遗传算法的神经网络在地面沉降趋势预测中应用,对几种算法从训练速度、拟合水平以及预测能力方面作了比较分析。     

山东省黄河北煤炭矿区地表沉陷预测与综合治理研究

黄河北煤炭矿区为鲁西煤炭基地最后一块整装后备资源,阳谷茌平煤田和黄河北煤田其开发建设具有重要的意义。该文采用实际观测资料利用回归分析法获得的岩移参数,对山东省黄河北矿区内上组煤开采后引起的地表沉陷进行了预测,预测结果表明:地表沉陷总面积达到3 724.5 km~2,最大下沉深度为5 455 mm;其中,阳谷茌平煤田最大下沉深度为5 455 mm,地表沉陷面积为1 188.0 km~2;黄河北煤田最大下沉深度为2 976 mm,地表沉陷面积为2 536.5 km~2。地表沉陷预测结果与多年水位观测数据进行对照,煤炭开采会造成1 091.5 km~2季节性积水区和62.3km~2的常年积水区。地表沉陷对地面、地物产生不同的影响和危害,其中对农业的影响最大。地表沉陷形成的塌陷裂缝、不同坡度耕地、大型塌陷坑等可分别采取黄土填堵、大型设备平整、退耕还林、煤矸石充填、修复为鱼塘等治理措施。该文对下一步黄河北矿区开发过程中,相关政府部门采取的规划控制措施提出了建议。     

基于灰色关联和相关向量机的隧道地表沉降预测

基于灰色关联算法确定与地表沉降有直接重要关联的主要影响因子,构建高斯核函数和多项式核函数的加权核函数,利用遗传算法优化模型参数,建立相关向量机地表沉降预测模型。实验结果表明,灰色关联算法能定量地反映系统影响因子与地表沉降变化的关联程度,有效处理不是完全明确的灰色系统信息;加权核函数的合理组合可较好地通过低维空间线性不可分映射变换到高维特征空间线性可分;遗传算法具有计算过程简单和自适应迭代寻优特点;相关向量机模型可极大地减少核函数的计算量,计算过程和结果均具有概率解释。该模型预测结果的多项精度指标值均优于BP神经网络和GR-SVM方法。     

基于麻雀搜索算法优化的BP神经网络卫星钟差预报

使用麻雀搜索算法(sparrow search algorithm,SSA)对BP神经网络的初始权值和阈值进行优化和调整,以提高神经网络模型短期预报的精度和稳定性.采用IGS产品中的卫星钟差数据,对SSA-BP神经网络模型、PSO-BP神经网络模型、传统BP神经网络模型及传统二次多项式模型(QP模型)进行实验对比,结果...     

三维动态趋势面模型在地面沉降分析中的应用

在趋势面拟合模型的基础上考虑时间项,建立三维动态趋势面模型,并通过模拟数据验证模型的适用性,最后对南沙地区GPS沉降监测网数据进行分析。结果表明,三维动态趋势面模型可以反映区域沉降的整体时空变化趋势,并具有良好的时空插值效果。