基于PSO-RBF神经网络的主要影响角正切求取方法

来源期刊：金属矿山2015年第4期

论文作者：陈俊杰 王明远 武君 闫伟涛

文章页码：224 - 228

关键词：PSO-RBP神经网络;预测模型;主要影响角正切;

摘    要：主要影响角正切tanβ是采用概率积分法进行矿山开采沉陷预计的主要参数之一,决定着开采沉陷的影响范围。为了提高tanβ求取精度,在分析tanβ及其影响因素的基础上,选取tanβ的5个主要影响因素作为输入层神经元,将粒子群（PSO）快速搜索全局最优解算法与径向基（RBF）神经网络相结合,提出一种求取tanβ的PSO-RBF神经网络预测模型,获得tanβ和地质采矿条件之间的非线性映射关系。运用我国30个典型观测站的实测数据作为学习训练和测试样本,进行了PSO-RBF神经网络模型的适应度和泛化能力测试,对预测结果与实测值进行了对比分析。结果表明:应用PSO-RBF神经网络模型预测tanβ,收敛速度快,预测精度高。预测结果的最大相对误差为6.54%,最小为2.56%,所得到的tanβ精度有了一定的提高。