典型文献
基于NPCA-GA-BP神经网络的采场稳定性预测方法
文献摘要：
为提高采场稳定性的预测精度,充分考虑采场稳定性高度非线性和受多因素影响的特点,提出了一种基于NPCA-GA-BP神经网络的采场稳定性预测方法.选择影响采场稳定性的10个指标,运用非线性主成分分析减少指标的维度,提取4个主成分综合指标代替原有的10个指标,简化了神经网络结构,提升了运算速度.利用GA的全局寻优特点优化BP神经网络的权值和阈值,进一步增加了神经网络预测精度.以某矿山实测数据为例,对该预测方法进行验证,对比结果显示:NPCA-GA-BP和GA-BP模型的平均相对误差比BP模型分别降低了10.5％和7.6％,表明通过遗传算法优化BP神经网络可显著提高预测精度;NPCA-GA-BP模型的平均相对误差比GA-BP模型降低了2.9％,表明通过非线性主成分分析减少了变量的维度,提高了预测准确率.研究表明:NPCA-GA-BP预测方法具有更高的采场稳定性预测精度,对实现智慧矿山有一定的指导意义.
文献关键词：
采场稳定性;预测精度;非线性主成分分析;遗传算法;BP神经网络;非线性相关
中图分类号：
作者姓名：
谢饶青;陈建宏;肖文丰
作者机构：
中南大学资源与安全工程学院,湖南 长沙 410083
文献出处：
引用格式：
[1]谢饶青;陈建宏;肖文丰-.基于NPCA-GA-BP神经网络的采场稳定性预测方法)[J].黄金科学技术,2022(02):272-281
A类：
NPCA
B类：
GA,采场稳定性,稳定性预测,高度非线性,多因素影响,非线性主成分分析,综合指标,神经网络结构,全局寻优,优特,权值,神经网络预测,平均相对误差,明通,遗传算法优化,预测准确率,智慧矿山,非线性相关
AB值：
0.181129
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
