利用Kalman-BP综合模型进行矿区开采沉陷动态预测

【摘要】：为改进矿区开采沉陷动态预计方法,提高预计精度,改进单一BP神经网络在预计精度上的不足,本文提出一种卡尔曼滤波和BP神经网络(KF-BP神经网络)协同作用模型。首先将各期观测所得的含有随机误差的原始数据经过卡尔曼滤波进行去噪处理,然后再将去噪后的值作为训练样本输入BP神经网络,通过BP神经网络机器学习得出预测模型,调整权值和阈值,最终建立矿区开采沉陷实时预计模型。为了验证KF-BP神经网络协同作用模型的实际应用效果,结合矿区实测数据,与单一BP神经网络预测结果相比较,并进行误差分析比较。结果表明:KF-BP神经网络预测模型相对于单一BP神经网络模型预测精度提高,对于提升矿区地表沉陷动态预计精度的研究具有重要作用。