采空区移动变形的径向基函数神经网络概率积分法(RBF)反演
来源期刊：矿产与地质2020年第1期
论文作者：马学通 高德彬 杨映湖
文章页码：179 - 370
关键词：采空区;概率积分法;神经网络;径向基函数(RBF);参数反演;
摘 要：借助部分矿区地表移动实测数据,选用径向基函数(RBF)神经网络对概率积分法的计算参数进行反演,采用K层交叉验证对模型精度进行优化,并与BP神经网络模型和SVM模型预测结果进行对比,发现RBF模型精度均优于BP模型和SVM模型,且其稳定性较好。可为概率积分法预测评估采空区地表移动变形范围提供一种可靠的方法。
马学通，高德彬，杨映湖
长安大学地质工程与测绘学院
摘 要：借助部分矿区地表移动实测数据,选用径向基函数(RBF)神经网络对概率积分法的计算参数进行反演,采用K层交叉验证对模型精度进行优化,并与BP神经网络模型和SVM模型预测结果进行对比,发现RBF模型精度均优于BP模型和SVM模型,且其稳定性较好。可为概率积分法预测评估采空区地表移动变形范围提供一种可靠的方法。
关键词：采空区;概率积分法;神经网络;径向基函数(RBF);参数反演;
