科研之友
微信
新浪微博
Facebook
分享链接
摘要
地面沉降是一种常见的地质灾害，严重阻碍当地居民的生产生活，如何对地面沉降进行准确预测已经成为相关专家学者讨论的热点话题，但常规数学模型难以对地面沉降量做出准确预测。提出了麻雀搜索算法(sparrow search algorithm, SSA)优化Elman的地面沉降量预测方法，同时根据组合模型原理提出了SSA-Elman残差自校正(SSA-Elman residual self-correction, SSA-Elman-RSC)模型的策略，通过残差校正的方式降低神经网络预测误差，成功地将地面沉降量预测模型应用于山西省大同市潇河产业园，将预测结果与未进行残差修正的模型预测结果进行比较分析。结果表明，对于均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)3个指标，SSA-Elman-RSC拥有更高的精度。该模型的提出为山西地区地面沉降量预测提供了一种新方法，并且组合模型的建立提供了一种新思路。
-
单位河北地质大学
