典型文献
基于GA-BP神经网络的露天矿边坡变形预测分析
文献摘要：
矿区边坡在各种因素的影响下,将会发生变形,但变形超过一定限度时,会对矿区产生很大的危害,开展边坡变形预测分析,能在一定程度上预防灾害的发生.文中在充分考虑BP神经网络初始权值和阈值难以确定,造成模型系统进入局部最小化,导致预测精度不高等问题的基础上,提出GA-BP神经网络预测模型,解决了普通网络模型在权值和阈值上的不足,并以越堡露天矿边坡变形监测点JC31、JC33、JC36为研究对象,分别采用灰色理论模型、BP神经网络模型以及GA-BP模型进行预测,研究结果表明:GA-BP网络模型较灰色模型和BP模型的预测值与实际值更吻合,预测精度更高,其平均相对误差最小,较其他两种方法预测精度提高了10倍以上,表明该方法具有一定的可靠性和可行性.
文献关键词：
露天矿边坡;变形预测;灰色理论;遗传算法;BP神经网络
中图分类号：
作者姓名：
陈兰兰;杨雨云;肖海平;罗兵;邹伟豪
作者机构：
赣南科技学院资源与建筑工程学院,江西 赣州 341000;江西理工大学土木与测绘工程学院,江西 赣州 341000;江西核工业测绘院集团有限公司,南昌 330038
文献出处：
引用格式：
[1]陈兰兰;杨雨云;肖海平;罗兵;邹伟豪-.基于GA-BP神经网络的露天矿边坡变形预测分析)[J].有色金属科学与工程,2022(06):106-112
A类：
JC31,JC33,JC36
B类：
GA,露天矿边坡,变形预测,预测分析,矿区,各种因素,区产,防灾,权值,难以确定,成模,局部最小,神经网络预测模型,边坡变形监测,监测点,灰色理论模型,灰色模型,平均相对误差
AB值：
0.222438
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。
