基于Adaboost改进的BP神经网络地表沉陷预测研究
发布时间：2022-01-16 15:01
采空区地表沉陷预测是矿山地表灾害研究的重点部分,对于煤炭资源丰富的地区,其研究意义尤为重要。为减少采空区地表沉陷对地表构筑物、高速公路、水体、铁路等基础设施的不利影响,对采空区地表沉陷进行预测具有重要的现实意义。基于采空区地表沉陷变形移动规律,从地质、采矿和地形等方面分析采空区地表沉陷的影响因素,运用灰色关联分析法分析各影响因素与地表最大下沉量之间的关联度,依据关联度大小,选取覆岩力学性质、煤层倾角、采深、采厚、采空区大小、工作面推进速度、开采方法及顶板管理方法、重复采动作为采空区地表沉陷的主要影响因素,并利用层次分析法求得各主要影响因素的权重。论文利用BP神经网络进行采空区地表沉陷量的预测,由于BP神经网络算法收敛速度慢,泛化能力差,遂引入Adaboost算法对BP神经网络进行改进,构建Adaboost改进的BP神经网络预测模型,拟通过该模型提高地表沉陷预测的预测效率与精度,为采空区地表沉陷预测提供一种新的途径。计算过程中,根据选取的影响因素样本数据,运用主成分分析法（PCA）对各影响因素做进一步处理,简化各因素之间的关系,将影响因子转换成几个综合变量作为输入变量,将输入变量与输出变...
【文章来源】：西安科技大学陕西省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
不同采深形成的下沉盆地地形形态分析图
神经网络之一。BP 神经网络具有很好的非线性映射能力，包含输入层，隐含层以及输出层，在输入层与输出层之间存在若干的神经元即为隐含层，隐含层的变化会对输入与输出之间的关系造成影响。BP 神经网络结构如图 3.1 所示。图 3.1 BP 神经网络拓扑结构图图 3.1 中，1X ，2X ，3X ，…，nX 表示输入值，1Y ，2Y ，…，mY 表示输出值
调整样本的权值，并对调整后的样本再次进行训练，经过N 次循环以后，得到T 个弱学习器和其对应的权重向量，根据权重分布将T 个弱学习器组合形成一个强学习器，Adaboost 算法的核心思想是在初次训练结果的基础上，改变样本的分配权重并再次进行训练，得到多个弱学习器及每个弱学习器的权重，最后根据权重分布把多个弱学习器进行组合形成。Adaboost 算法运算流程图如图 3.2 所示。
【参考文献】：
期刊论文
[1]基于Adaboost的高分遥感影像自动变化检测方法[J]. 陈伟锋,毛政元,徐伟铭,许锐. 地球信息科学学报. 2018(12)
[2]全反射棱镜式激光陀螺温度误差标定及参数辨识方法研究[J]. 王青青,牛振中. 机械科学与技术. 2019(02)
[3]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠. 电测与仪表. 2019(05)
[4]基于优化BP神经网络的物理量回归方法[J]. 潘俊虹,王宜怀,吴薇. 计算机科学. 2018(12)
[5]改进BP神经网络的SVM变压器故障诊断[J]. 王保义,杨韵洁,张少敏. 电测与仪表. 2019(19)
[6]粒子群优化人工神经网络的RFID室内定位算法[J]. 陈珊珊,史志才,吴飞,张玉金,陈计伟. 传感器与微系统. 2018(12)
[7]分块小波特征结合BP神经网络的虹膜识别方法[J]. 杨霞,朱晓冬,刘元宁,冯家凯,刘帅. 计算机工程与应用. 2019(18)
[8]一种Adaboost优化的MIMUs/GPS信息融合算法[J]. 夏琳琳,赵耀,马文杰,丛靖宇,肖建磊. 电光与控制. 2018(12)
[9]一种改进果蝇算法优化神经网络短期负荷预测模型[J]. 王亚琴,王耀力,王力波,常青. 电测与仪表. 2018(22)
[10]基于改进的BP神经网络的网络空间态势感知系统安全评估[J]. 陈维鹏,敖志刚,郭杰,余勤,童俊. 计算机科学. 2018(S2)
硕士论文
[1]基于集成学习的再生水资源配置方法研究[D]. 王婉琳.西安理工大学 2018
[2]基于AHP和BP神经网络的煤炭企业综合绩效评价研究[D]. 赵楠.中国地质大学(北京) 2018
[3]基于AdaBoostRVM的滚动轴承剩余寿命预测方法研究[D]. 董正.哈尔滨理工大学 2018
[4]基于BP神经网络的上海市共有产权保障房需求预测研究[D]. 王浩.西安建筑科技大学 2016
[5]矿山开采沉陷可视化预计系统研究与应用[D]. 雷家延.辽宁工程技术大学 2014
[6]基于遗传算法的矿区开采沉陷预计参数研究[D]. 王光磊.辽宁工程技术大学 2014
[7]青岛地铁3号线暗挖段地表变形BP神经网络预测研究[D]. 徐星星.中国海洋大学 2012
[8]采空区地面沉降规律模拟研究[D]. 李其锐.吉林大学 2012
[9]矿区开采沉陷观测数据处理研究[D]. 汪桂生.西安科技大学 2011
[10]基于BP神经网络的山区开采沉陷预计[D]. 王雪英.太原理工大学 2010
本文编号：3592894
【文章来源】：西安科技大学陕西省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
不同采深形成的下沉盆地地形形态分析图
神经网络之一。BP 神经网络具有很好的非线性映射能力，包含输入层，隐含层以及输出层，在输入层与输出层之间存在若干的神经元即为隐含层，隐含层的变化会对输入与输出之间的关系造成影响。BP 神经网络结构如图 3.1 所示。图 3.1 BP 神经网络拓扑结构图图 3.1 中，1X ，2X ，3X ，…，nX 表示输入值，1Y ，2Y ，…，mY 表示输出值
调整样本的权值，并对调整后的样本再次进行训练，经过N 次循环以后，得到T 个弱学习器和其对应的权重向量，根据权重分布将T 个弱学习器组合形成一个强学习器，Adaboost 算法的核心思想是在初次训练结果的基础上，改变样本的分配权重并再次进行训练，得到多个弱学习器及每个弱学习器的权重，最后根据权重分布把多个弱学习器进行组合形成。Adaboost 算法运算流程图如图 3.2 所示。
【参考文献】：
期刊论文
[1]基于Adaboost的高分遥感影像自动变化检测方法[J]. 陈伟锋,毛政元,徐伟铭,许锐. 地球信息科学学报. 2018(12)
[2]全反射棱镜式激光陀螺温度误差标定及参数辨识方法研究[J]. 王青青,牛振中. 机械科学与技术. 2019(02)
[3]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠. 电测与仪表. 2019(05)
[4]基于优化BP神经网络的物理量回归方法[J]. 潘俊虹,王宜怀,吴薇. 计算机科学. 2018(12)
[5]改进BP神经网络的SVM变压器故障诊断[J]. 王保义,杨韵洁,张少敏. 电测与仪表. 2019(19)
[6]粒子群优化人工神经网络的RFID室内定位算法[J]. 陈珊珊,史志才,吴飞,张玉金,陈计伟. 传感器与微系统. 2018(12)
[7]分块小波特征结合BP神经网络的虹膜识别方法[J]. 杨霞,朱晓冬,刘元宁,冯家凯,刘帅. 计算机工程与应用. 2019(18)
[8]一种Adaboost优化的MIMUs/GPS信息融合算法[J]. 夏琳琳,赵耀,马文杰,丛靖宇,肖建磊. 电光与控制. 2018(12)
[9]一种改进果蝇算法优化神经网络短期负荷预测模型[J]. 王亚琴,王耀力,王力波,常青. 电测与仪表. 2018(22)
[10]基于改进的BP神经网络的网络空间态势感知系统安全评估[J]. 陈维鹏,敖志刚,郭杰,余勤,童俊. 计算机科学. 2018(S2)
硕士论文
[1]基于集成学习的再生水资源配置方法研究[D]. 王婉琳.西安理工大学 2018
[2]基于AHP和BP神经网络的煤炭企业综合绩效评价研究[D]. 赵楠.中国地质大学(北京) 2018
[3]基于AdaBoostRVM的滚动轴承剩余寿命预测方法研究[D]. 董正.哈尔滨理工大学 2018
[4]基于BP神经网络的上海市共有产权保障房需求预测研究[D]. 王浩.西安建筑科技大学 2016
[5]矿山开采沉陷可视化预计系统研究与应用[D]. 雷家延.辽宁工程技术大学 2014
[6]基于遗传算法的矿区开采沉陷预计参数研究[D]. 王光磊.辽宁工程技术大学 2014
[7]青岛地铁3号线暗挖段地表变形BP神经网络预测研究[D]. 徐星星.中国海洋大学 2012
[8]采空区地面沉降规律模拟研究[D]. 李其锐.吉林大学 2012
[9]矿区开采沉陷观测数据处理研究[D]. 汪桂生.西安科技大学 2011
[10]基于BP神经网络的山区开采沉陷预计[D]. 王雪英.太原理工大学 2010
本文编号：3592894
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3592894.html
