采空區(qū)地表沉陷預(yù)測是礦山地表災(zāi)害研究的重點(diǎn)部分,對于煤炭資源豐富的地區(qū),其研究意義尤為重要。為減少采空區(qū)地表沉陷對地表構(gòu)筑物、高速公路、水體、鐵路等基礎(chǔ)設(shè)施的不利影響,對采空區(qū)地表沉陷進(jìn)行預(yù)測具有重要的現(xiàn)實(shí)意義�；诓煽諈^(qū)地表沉陷變形移動(dòng)規(guī)律,從地質(zhì)、采礦和地形等方面分析采空區(qū)地表沉陷的影響因素,運(yùn)用灰色關(guān)聯(lián)分析法分析各影響因素與地表最大下沉量之間的關(guān)聯(lián)度,依據(jù)關(guān)聯(lián)度大小,選取覆巖力學(xué)性質(zhì)、煤層傾角、采深、采厚、采空區(qū)大小、工作面推進(jìn)速度、開采方法及頂板管理方法、重復(fù)采動(dòng)作為采空區(qū)地表沉陷的主要影響因素,并利用層次分析法求得各主要影響因素的權(quán)重。論文利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行采空區(qū)地表沉陷量的預(yù)測,由于BP神經(jīng)網(wǎng)絡(luò)算法收斂速度慢,泛化能力差,遂引入Adaboost算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),構(gòu)建Adaboost改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,擬通過該模型提高地表沉陷預(yù)測的預(yù)測效率與精度,為采空區(qū)地表沉陷預(yù)測提供一種新的途徑。計(jì)算過程中,根據(jù)選取的影響因素樣本數(shù)據(jù),運(yùn)用主成分分析法（PCA）對各影響因素做進(jìn)一步處理,簡化各因素之間的關(guān)系,將影響因子轉(zhuǎn)換成幾個(gè)綜合變量作為輸入變量,將輸入變量與輸出變... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同采深形成的下沉盆地地形形態(tài)分析圖

神經(jīng)網(wǎng)絡(luò)之一。BP 神經(jīng)網(wǎng)絡(luò)具有很好的非線性映射能力，包含輸入層，隱含層以及輸出層，在輸入層與輸出層之間存在若干的神經(jīng)元即為隱含層，隱含層的變化會(huì)對輸入與輸出之間的關(guān)系造成影響。BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖 3.1 所示。圖 3.1 BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖圖 3.1 中，1X ，2X ，3X ，…，nX 表示輸入值，1Y ，2Y ，…，mY 表示輸出值

調(diào)整樣本的權(quán)值，并對調(diào)整后的樣本再次進(jìn)行訓(xùn)練，經(jīng)過N 次循環(huán)以后，得到T 個(gè)弱學(xué)習(xí)器和其對應(yīng)的權(quán)重向量，根據(jù)權(quán)重分布將T 個(gè)弱學(xué)習(xí)器組合形成一個(gè)強(qiáng)學(xué)習(xí)器，Adaboost 算法的核心思想是在初次訓(xùn)練結(jié)果的基礎(chǔ)上，改變樣本的分配權(quán)重并再次進(jìn)行訓(xùn)練，得到多個(gè)弱學(xué)習(xí)器及每個(gè)弱學(xué)習(xí)器的權(quán)重，最后根據(jù)權(quán)重分布把多個(gè)弱學(xué)習(xí)器進(jìn)行組合形成。Adaboost 算法運(yùn)算流程圖如圖 3.2 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于Adaboost的高分遙感影像自動(dòng)變化檢測方法[J]. 陳偉鋒,毛政元,徐偉銘,許銳.  地球信息科學(xué)學(xué)報(bào). 2018(12)
[2]全反射棱鏡式激光陀螺溫度誤差標(biāo)定及參數(shù)辨識(shí)方法研究[J]. 王青青,牛振中.  機(jī)械科學(xué)與技術(shù). 2019(02)
[3]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的接觸電阻預(yù)測[J]. 孫海峰,沈穎,王亞楠.  電測與儀表. 2019(05)
[4]基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的物理量回歸方法[J]. 潘俊虹,王宜懷,吳薇.  計(jì)算機(jī)科學(xué). 2018(12)
[5]改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的SVM變壓器故障診斷[J]. 王保義,楊韻潔,張少敏.  電測與儀表. 2019(19)
[6]粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的RFID室內(nèi)定位算法[J]. 陳珊珊,史志才,吳飛,張玉金,陳計(jì)偉.  傳感器與微系統(tǒng). 2018(12)
[7]分塊小波特征結(jié)合BP神經(jīng)網(wǎng)絡(luò)的虹膜識(shí)別方法[J]. 楊霞,朱曉冬,劉元寧,馮家凱,劉帥.  計(jì)算機(jī)工程與應(yīng)用. 2019(18)
[8]一種Adaboost優(yōu)化的MIMUs/GPS信息融合算法[J]. 夏琳琳,趙耀,馬文杰,叢靖宇,肖建磊.  電光與控制. 2018(12)
[9]一種改進(jìn)果蠅算法優(yōu)化神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測模型[J]. 王亞琴,王耀力,王力波,常青.  電測與儀表. 2018(22)
[10]基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)空間態(tài)勢感知系統(tǒng)安全評估[J]. 陳維鵬,敖志剛,郭杰,余勤,童俊.  計(jì)算機(jī)科學(xué). 2018(S2)

碩士論文
[1]基于集成學(xué)習(xí)的再生水資源配置方法研究[D]. 王婉琳.西安理工大學(xué) 2018
[2]基于AHP和BP神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)綜合績效評價(jià)研究[D]. 趙楠.中國地質(zhì)大學(xué)(北京) 2018
[3]基于AdaBoostRVM的滾動(dòng)軸承剩余壽命預(yù)測方法研究[D]. 董正.哈爾濱理工大學(xué) 2018
[4]基于BP神經(jīng)網(wǎng)絡(luò)的上海市共有產(chǎn)權(quán)保障房需求預(yù)測研究[D]. 王浩.西安建筑科技大學(xué) 2016
[5]礦山開采沉陷可視化預(yù)計(jì)系統(tǒng)研究與應(yīng)用[D]. 雷家延.遼寧工程技術(shù)大學(xué) 2014
[6]基于遺傳算法的礦區(qū)開采沉陷預(yù)計(jì)參數(shù)研究[D]. 王光磊.遼寧工程技術(shù)大學(xué) 2014
[7]青島地鐵3號(hào)線暗挖段地表變形BP神經(jīng)網(wǎng)絡(luò)預(yù)測研究[D]. 徐星星.中國海洋大學(xué) 2012
[8]采空區(qū)地面沉降規(guī)律模擬研究[D]. 李其銳.吉林大學(xué) 2012
[9]礦區(qū)開采沉陷觀測數(shù)據(jù)處理研究[D]. 汪桂生.西安科技大學(xué) 2011
[10]基于BP神經(jīng)網(wǎng)絡(luò)的山區(qū)開采沉陷預(yù)計(jì)[D]. 王雪英.太原理工大學(xué) 2010



本文編號(hào)：3592894