观测站缺失数据修复的神经网络模型研究.pdfVIP

第 1期 矿 山 测 量 NO．1 2014年 2月 MINE SURVEYING Feb．2O14 doi：10．3969／J．issn．1001—358X．z0l4．O1．30 观测站缺失数据修复的神经网络模型研究术 喻成林 ，黄 强 ，李 钢 (1．徐州市国土资源局 ，江苏徐州 221006；2．中国矿业大学环境与测绘学院，江苏 徐州 221006) 摘要 ：为验证人工神经 网络方法是否可以用于观测站缺失数据修 复：通过相邻 时间观测数据 ，利用 BP、RBF神经网络分别进行 了缺 失最大下沉数据、连续数据缺失(本论文为3个)两个方案进行 了数 据修复实验 ；通过与实测数据进行对比分析，证 明BP、RBF网络都可以用于观测站缺失数据 的修复 工作 ，其预测精度随着缺失数据增加而降低 。 关键词 ：观测站；数据修复；人工神经网络 中图分类号-TD325 文献标识码 ：A 文章编号：1001—358X(2014)01—0092—04 为研究地下开采引起 的岩层与地表移动规律 ， 一 个非线性 、动态 的过程。 保护井巷、建 (构)筑物 、水体及铁路等，减少地下资 根据岩层与地表移动规律研 究 ，可知一个点的 源的损失 ，国内外进行了实地观测 ，建立 了大量观测 移动过程主要受地质采矿 因素、开采时间、点的位置 站 ，取得了大量的第一手资料，综合研究分析了岩层 等因素的影响。其中地质采矿因素主要包括开采方 与地表移动规律。 法、覆岩性质、工作面尺寸、煤厚、倾角 、采深 、表土层 观测站从建立到最后结束 ，需经历较长 的时间 厚度等因素I9 。 (少则几个月 ，多则几年)，观测点的保存完整尤为重 针对某一观测站而言，观测站缺失数据主要考 要 。然而 ，由于受到多种因素的影响 ，如 ：观测点遭 虑因素为 ：观测时间，以此建立观测站缺失数据修复 到人为破坏 ，下沉积水引起不能观测 ，或者其它因素 的神经 网络模型。 导致无法观测等 ，最终表现为观测数据的缺失 ，进而 1．2 数据选取、处理分析 影响观测结果的分析与研究，严重者导致观测站失 地表岩层移动观测站 的观测数据为不 同观测时 效 ，达不到设立观测站 目的。 间的点坐标 (，y，日)，本次主要分析 以高程数据作 根据岩层与地表移动规律 的特性 ，同时基于人 为基础进行研究与分析，同时方便对 比，经过计算 ， 工神经网络可以模拟人脑的某些智能行为 ，具有 自 将高程转换为不同时间的下沉值 ，考虑到岩层与地 组织 、自学习和强容错等能力 ，且具有处理确定性和 表移动的时间特性 ，因此决定采用观测站时间前后 不确定性的动态非线性信息的能力 ，可 以建立复杂 相邻相邻关系的部分观测数据作为其训练样本，解 的非线性 映射关系 。 ，在岩石力学、采矿 、测绘等 决神经网络预测模型需大量前期数据问题 ，进行训 领域得到广泛 的应用 ’ 。本文将利用人工神经 练学习，从而实现观测站缺失数据修复。 网络进行观测站数据的修复研究 。 2 人工神经网络模型建立