基于小波去噪和PSO-BP神经网络模型的煤矿边坡变形预测被引量：2

下载PDF

导出

摘要以某矿区工业场地西侧边坡监测数据为例,开展了小波及粒子群优化的BP神经网络预测模型的研究。使用小波阈值去噪方法对实际观测时间序列进行去噪处理,对小波去噪前后的数据进行BP神经网络预测模型预测处理并与粒子群优化的BP神经网络预测模型预测效果进行对比。实验证明:粒子群算法能优化BP神经网络模型,该组合模型预测精度可行性高。

作者张广强

机构地区中煤华晋集团有限公司

出处《经纬天地》 2023年第1期4-7,共4页 Survey World

关键词粒子群优化小波分析 BP神经网络边坡变形预测

分类号 P208 [天文地球—地图制图学与地理信息工程]

引文网络
相关文献

参考文献5

1鄢士程,解广成,辛全明,王振霖.多监测条件下地铁明挖车站周边地表沉降预测分析[J].电子测量技术,2022,45(2):48-54. 被引量：5
2代杰,姜爱辉,张伟,王志伟.小波去噪与时间序列分析组合法在地铁沉降预测中的应用[J].长江信息通信,2022,35(1):43-45. 被引量：4
3江帅,朱勇,栗青,周辉,涂洪亮,杨凡杰.隧道开挖地表沉降动态预测及影响因素分析[J].岩土力学,2022,43(1):195-204. 被引量：16
4张振威,黄晓彬,陈何峰,赵程.基于灰色长短时记忆网络融合模型的隧道沉降预测[J].河北工程大学学报（自然科学版）,2021,38(4):53-59. 被引量：2
5史继彪.概率积分法沉降预测参数高效统计方法[J].能源技术与管理,2021,46(6):197-200. 被引量：3

二级参考文献50

1刘会波,陈俊涛,肖明.基于CAD地形图的初始地应力场反演快速建模程序开发[J].岩土力学,2008(S01):297-302. 被引量：2
2王来才,胡海军,王晨,康顺祥.不同压实度重塑黄土持水曲线测试及模型预测[J].岩土工程学报,2021,43(S01):204-208. 被引量：3
3杨小龙,房有亮,吕志洲.昆明软土地区双孔隧道地表沉降预测及影响分区[J].现代隧道技术,2019,56(S02):347-354. 被引量：1
4李洛宾,龚晓南,甘晓露,程康,侯永茂.基于循环神经网络的盾构隧道引发地面最大沉降预测[J].土木工程学报,2020,53(S01):13-19. 被引量：48
5苟胜荣.某地铁深基坑周围环境监测及变形规律研究[J].电子测量技术,2020(10):14-17. 被引量：7
6潘林有,谢新宇.用曲线拟合的方法预测软土地基沉降[J].岩土力学,2004,25(7):1053-1058. 被引量：160
7王冬,黄鑫,王明东,刘天霸.灰色GM(2,1)模型在滑坡变形预测中的应用[J].水文地质工程地质,2013,40(3):121-125. 被引量：16
8侯学渊,廖少明.盾构隧道沉降预估[J].地下工程与隧道,1993(4):24-32. 被引量：80
9潘国荣.基于时间序列分析的动态变形预测模型研究[J].武汉大学学报（信息科学版）,2005,30(6):483-487. 被引量：47
10韩煊,李宁.隧道施工引起地层位移预测模型的对比分析[J].岩石力学与工程学报,2007,26(3):594-600. 被引量：77

共引文献21

1邢锋.市政道路交叉口工程深基坑监测分析[J].江西建材,2023(8):101-103.
2徐新星.隧道开挖对临近土体变形影响预测研究[J].东莞理工学院学报,2022,29(3):115-119. 被引量：2
3王德平.超浅覆土大直径盾构近距离侧穿古建筑隔离防护技术研究[J].科技创新导报,2022,19(18):59-62.
4王学斌.公路隧道施工对邻近建筑物的影响及控制[J].公路交通科技,2022,39(8):182-190. 被引量：7
5汤新辉,首正勇,刘建柯.超大直径盾构施工引发的上软下硬地层地表沉降规律[J].矿冶工程,2022,42(5):34-38. 被引量：2
6王仕杰.小净距双线隧道侧穿邻近建筑物施工安全分析[J].福建交通科技,2022(9):62-66.
7常旭辉.小波去噪及PSO-BP神经网络模型在地铁沉降监测中的应用[J].北京测绘,2022,36(11):1564-1569. 被引量：1
8姜生仕.软土地基高速公路桩基沉降量预测方法[J].建材技术与应用,2023(1):22-24. 被引量：1
9马恩临,赖金星,王立新,汪珂,雷升祥,李储军,邱军领.基于控制区间牵引算法的地下施工变形预测[J].岩土力学,2023,44(2):577-594. 被引量：1
10姬云鹏,房灵国,唐昊天,张兴丽,王祥金,白云天,李健,赵红华.隧道开挖全过程管棚支护受力研究[J].现代隧道技术,2023,60(3):123-138. 被引量：2

同被引文献31

1谭大国,李璇璇.基于MATLAB的BP神经网络模型在矿井涌水量预测中的应用[J].绿色科技,2014,16(10):240-242. 被引量：3
2谭大国.BP神经网络在矿井涌水量预测中的应用[J].制造业自动化,2015,37(5):66-68. 被引量：10
3虎维岳,闫丽.对矿井涌水量预测问题的分析与思考[J].煤炭科学技术,2016,44(1):13-18. 被引量：72
4刘启蒙,胡友彪,张宇通,刘浩.矿井涌水量预测方法探讨[J].安徽理工大学学报（自然科学版）,2017,37(6):1-7. 被引量：11
5高望,张岩,高帅帅.基于BP神经网络的未采区瓦斯含量预测[J].陕西煤炭,2020,39(1):77-80. 被引量：5
6杨敏,唐孝生.BP神经网络在激光器参数优化中的应用[J].激光杂志,2020,41(5):168-172. 被引量：3
7吕鹏飞,邱林.基于PSO-LSSVM的矿井冲击地压分级预测研究[J].矿业安全与环保,2021,48(1):120-125. 被引量：10
8王家乐,王施智,黄倩.基于相关分析法的煤矿涌水量预测[J].陕西煤炭,2021,40(2):99-102. 被引量：3
9贾莉,吴龙.影响激光选区熔化3D打印质量的工艺参数优化研究[J].激光杂志,2021,42(5):166-170. 被引量：10
10许阳,班乐,肖志瑜.选择性激光熔化成形CoCrWMo合金工艺优化及摩擦磨损性能[J].粉末冶金技术,2021,39(6):505-511. 被引量：3

引证文献2

1赵渭平,任伟,张雷伟,张华.基于激光熔化技术加工工艺参数优化研究[J].粘接,2024,51(1):129-132.
2权文斌,路文文.BP神经网络在煤矿井下涌水量预测中的应用[J].陕西煤炭,2024,43(2):104-109.

1周暘.浅谈露天煤矿边坡监测技术应用现状[J].中文科技期刊数据库（全文版）工程技术,2021(2):366-366.
2黄卫,钱坚帅,孔培君.工业总图运输设计与民用建筑场地设计的关系[J].中文科技期刊数据库（全文版）工程技术,2021(6):67-68.
3周国宏.地球物理勘探小波分析的应用[J].中文科技期刊数据库（文摘版）工程技术,2021(12):138-139.
4袁于思,冯小鹏,李勇,易灿灿.基于PSO-DSRVM的边坡变形预测[J].中国地质灾害与防治学报,2023,34(1):1-7. 被引量：2
5李卫鹏.论露天煤矿边坡监测技术应用现状[J].中文科技期刊数据库（文摘版）工程技术,2021(9):363-363.
6王跃龙,张燕,韩志惠,王长云.基于小波去噪的BP神经网络短期风功率预测方法设计[J].电工技术,2023(2):32-35.
7朱少哲.我国露天煤矿边坡研究现状及发展趋势[J].中文科技期刊数据库（全文版）工程技术,2022(3):70-73.
8高霞.基于机器学习算法的金融市场趋势预测研究[J].微型电脑应用,2023,39(2):30-32.
9常旭辉.小波去噪及PSO-BP神经网络模型在地铁沉降监测中的应用[J].北京测绘,2022,36(11):1564-1569. 被引量：1
10喻西.基于BP神经网络的轨道交通桥隧结构变形预测预报应用[J].中文科技期刊数据库（文摘版）工程技术,2021(8):117-118.

经纬天地

2023年第1期

浏览历史

内容加载中请稍等...

基于小波去噪和PSO-BP神经网络模型的煤矿边坡变形预测被引量：2

参考文献5

二级参考文献50

共引文献21

同被引文献31

引证文献2

相关作者

相关机构

相关主题

浏览历史

基于小波去噪和PSO-BP神经网络模型的煤矿边坡变形预测 被引量：2

参考文献5

二级参考文献50

共引文献21

同被引文献31

引证文献2

相关作者

相关机构

相关主题

浏览历史

基于小波去噪和PSO-BP神经网络模型的煤矿边坡变形预测被引量：2