基于組合權重的地表下沉系數(shù)預測分析

欒元重，紀趙磊，崔 詔,2，梁耀東

(1.山東科技大學 測繪科學與工程學院，山東 青島 266590；2.黑龍江第三測繪工程院，黑龍江 哈爾濱 150025)

0 引 言

煤炭資源是我國的基礎能源和重要原料，在能源消耗結構中占據(jù)重要地位[1]。煤炭資源的大規(guī)模開采會對地表建(構)筑物造成破壞，也會對生態(tài)環(huán)境產(chǎn)生嚴重影響[2]。因此，煤礦開采過程中的地表沉陷預測極其重要。

地表下沉系數(shù)是表征開采沉陷和地表移動規(guī)律的重要參數(shù)，也是進行地表移動和變形預測時的關鍵參數(shù)，其取值的準確性將直接影響沉陷預測結果的精度[3-4]。影響地表下沉系數(shù)的因素很多，因素間的不確定性及非線性關系使得下沉系數(shù)的預測工作極其困難，依靠地表觀測站數(shù)據(jù)的實測下沉值或水平移動值反演地表下沉系數(shù)的方法耗時費力，不適合長期發(fā)展[5-6]。近些年來，隨著人工智能算法的發(fā)展，越來越多的學者利用隨機森林算法、遺傳算法和支持向量機等模型進行地表下沉系數(shù)預測。彭杰帥等[7]利用隨機森林算法不易出現(xiàn)過擬合的優(yōu)勢進行了地表下沉系數(shù)預測，王拂曉等[8]將遺傳算法與廣義回歸神經(jīng)網(wǎng)絡相融合，建立了GA-GRNN的地表下沉系數(shù)預測模型，于寧峰等[9]建立了基于PSO優(yōu)化參數(shù)的SVM預測模型實現(xiàn)地表下沉系數(shù)的預測分析。這些方法都是利用一種或幾種算法的優(yōu)勢對地表下沉系數(shù)預測進行有益探索，具有一定的適用性。

筆者借助BP神經(jīng)網(wǎng)絡較強的非線性映射能力進行地表下沉系數(shù)預測，考慮到地表下沉系數(shù)的影響因素較多且因素間存在相關性，提出通過組合權重來確定主要影響因素，進而實現(xiàn)BP神經(jīng)網(wǎng)絡輸入?yún)?shù)的預處理與模型簡化。……