点上方蓝字“测绘科学”关注

摘 要

在综合分析地表沉陷概率积分法参数与地质采矿条件关系的基础上，提出运用灰色关联分析法找出影响概率积分法参数的主要因素，进而利用ＢＰ人工神经网络模型预计参数。在对实测数据灰色关联分析后得出：覆岩平均坚固性系数、采厚、倾角、采动程度与各个参数关联程度较高，表土层厚度和采深次之。在此基础上，建立ＢＰ 人工神经网络模型，并对预计结果与实测数据进行对比分析。结果表明：该方法预计最大相对误差１５．７８％，最小相对误差１．９２％，考虑到个别参数实测值较小，造成相对误差较大，而绝对误差很小，即模型预计效果较好，是一种预计概率积分法参数的有效方法。

引用格式

引用格式：赵忠明，施天威，董伟，等．灰色关联分析与ＢＰ 神经网络的概率积分法参数预测［Ｊ］．测绘科学，２０１７，４２ （７）：３６-４０，５１．

正文

我国人口众多， 建筑物分布广泛， 建筑物下压煤问题严重。在进行建筑物下开采时，为了能够最大限度地采出煤炭并减小地表建筑物的破坏，地表移动变形预计非常重要。在我国， 基于随机介质理论的概率积分法是常用的地表移动变形预计方法，而预计结果的好坏主要取决于预计参数的准确性。因此，选取可靠的预计参数是开采沉陷预计重要的一步。

基于概率积分法的三下开采理论研究以来，国内各个矿区相继进行了大量的采后地表移动变形观测， 为完善地表沉陷理论提供了宝贵的资料。但由于各个矿区地质条件、采煤方法等因素的不同，在一个矿区通过观测得到的参数不能广泛的应用到其他矿区中。这就需要通过已有的实测数据来预测未知矿区的参数。基于此， 本文结合前人的研究， 并全面地分析了实测数据， 从几何相似的理论基础下提出， 使用灰色关联分析法多层节点模型与误差反向传播算法（ＢＰ人工神经网络）相结合的方法预计概率积分法参数。该方法预计结果与实测数据对比误差较小， 可以作为确定概率积分法参数的方法。

通过运用灰色关联分析法分析各个影响因素与参数的关联度，得出文中所选因素均与参数关联度较高， 其中覆岩平均坚固性系数、采厚、倾角、采动程度关联度超过０．９０。在灰色关联分析的基础上建立ＢＰ 神经网络预测模型，经测试样本的检验， 其预测相对误差最大为１５．７８％，最小为１．８６％。考虑到参数数值自身大小的问题，表明灰色关联分析———ＢＰ 神经网络模型预计效果好， 并有效地提高了计算速度，可以作为预计概率积分法参数的方法。

往期热点文章链接

2017年（第42卷）第6期

关于《测绘科学》

主管：国家测绘地理信息局

主办：中国测绘科学研究院

邮箱：niu@casm.ac.cn

网站：

编务QQ：2378225509

《测绘科学》微信公众号