基于GRA-PCA-BP神经网络模型的地表下沉系数预测分析

作者：栾元重; 纪赵磊; 梁耀东; 李增鑫; 于健

来源：中国科技论文, 2020, 15(09): 993-1004.

• 主成分分析
• 灰色关联度分析
• BP神经网络
• 下沉系数

针对煤矿开采地表下沉系数难以准确预计的难题,基于国内41个矿区的地表移动观测站数据,建立基于灰色关联度分析(grey relation analysis,GRA)和主成分分析(principal component analysis,PCA)的GRA-PCA-BP神经网络预测模型,对地表下沉系数进行预测分析。运用GRA筛选出地表下沉系数的主要影响因素,对筛选出的主要影响因素进行PCA,消除因素间的冗余信息并降低数据维度,起到简化网络结构的作用,并在此基础上进行模型预测对比分析。结果表明:与传统的BP神经网络模型和GRA-BP模型相比,GRA-PCA-BP模型的网络泛化能力和预测精度更优,预测结果的平均相对误差为6.841%,与实测值更为接近,是地表下沉系数准确预计的又一种可行方法。

• 单位
  山东科技大学