基于BP神经网络的地表沉降预测模型.pdfVIP

第13卷 第1期 (总第80期) 煤 矿 开 采 Vo1．13 No．1(Series No．80) 2008年2月 Coal Mining Technology February 2008 基于BP神经网络的地表沉降预测模型 贾林刚 (煤炭科学研究总院开采设计研究分院，北京100013) [摘 要] 简述了人工神经网络的基本原理，通过实例建立了时间序列BP网络模型，并利用 已有观测数据对网络进行了训练和测试，经过与实测值进行对比回9-3分析，证明了该网络的有效性和 精确性，可作为一种预测方法对地表沉降做出预测。 [关键词] 地表沉降；BP神经网络；预测 [中图分类号]TD327 [文献标识码]A [文章编号]1006—6225(2008)01-0015-03 A Prediction Model of Surface Subsidence Based on BP Neural Network JIA Lin—gang (Coal Mining Branch，China Coal Research Institute，Beijing 100013，China) Abstract：Basic theory of artificial neural network was introduced and a BP network model of time sequence was set up on the basis of cases．The model was trained and tested by observation data of surface subsidence．Comparison with observation data and regression a— nalysis proved the model~validity and accuracy． Key words：surface movement；BP neural network；prediction 目前，地表沉降已形成了较为完善的预测理论 因素一方面难以量化处理，另一方面又无内在的必 和方法，如随机介质理论、复合介质理论以及数值 然联系，无法抽象成数学模型统一起来进行研究， 模拟法等在地表沉降预测中得到广泛应用，但由于 但自从厂区地基发现明显变形以来设立了大量的观 地下岩体是一种非常复杂的介质，岩体中各种裂 测点，积累了宝贵的地表下沉观测数据，这些数据 隙、断层及不连续面的存在，使岩体运移过程中具 可看成是一系列的时间序列函数，以此作为神经网 有明显的非线性及不连续性的特征，而这些理论和 络的样本进行学习训练预测。 方法在处理此类问题时存在明显的不足和困难。 1．1 网络结构的建立 人工神经网络是在对人脑思维方式研究的基础 在进行BP网络的设计时，一般应从网络的层 上，用数学方法将其简化并抽象模拟反映人脑基本 数、每层中的神经元个数和激活函数以及学习速率 功能的一种并行处理连接网络 ’。神经网络系统 等几个方面来进行考虑。在BP网络中，增加隐含 是由大量的、同时也是很简单的处理单元 (称神 层数可以提高计算精度，但同时使网络复杂化，从 经元)通过线性或非线性的函数广泛相互连接而 而增加了网络权值的训练时间，而误差精度的提高 形成的复杂网络系统，系统通过对样本的学习来不 也可以通过隐含层中的神经元数目来获得，其训练 断改善自身的性能，网络除具有自组织、自适应和 效果也比增加层数更容易观测和调整