基于灰色神经网络组合模型的矿区地表变形预测方法研究

作者：何荣,高睿,朱彬,丁加成

摘要：矿山开采区地表变形是资源开采引起的重要现象。监测、分析其内在规律,建立预测模型预计开采区地表沉降,对矿山安全生产和企业经济可持续发展具有重要意义。针对地表沉降变形预测,分别建立了BP人工神经网络模型、灰度预测模型、时间序列模型以及灰色神经网络组合模型,探讨四种模型适用场景及模型局限性,结合矿区地表一年的实际监测值进行模型精度评定,分析比较四种模型的模型特点以及预测结果。综合比较表明组合模型融合了BP神经网络与灰度预测模型的优势,预测精度高,更加贴合实际测量值,且广泛适应性强,可适用于多种应用场景,能较好地反映矿区地表沉陷变形发展趋势。

发文机构：河南理工大学测绘与国土信息工程学院 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室

关键词：矿山开采沉陷BP神经网络灰度预测灰色神经网络mining subsidenceBP neural networkgrey predictiongrey neural network

分类号： TP183[自动化与计算机技术—控制理论与控制工程]TD