GRNN神经网络在矿区地表变形预测中的应用

详细信息   

• 责任者：高彩云^c中国矿业大学(北京)^d1980^e博士研究生 ; 崔希民 ; 高宁^c河南城建学院 ; 洪雪倩
• 刊名：金属矿山
• 出版年：2014
• 卷期：^b3总453
• 页码：97～100
• 索书号：P706/360
• 图表：^c表1参10插图
• 文摘期号：2014/09

摘要

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。