机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。

EXCEL计算概率积分法预计参数

EXCEL软件是最常用的办公软件之一,本文介绍一种利用EXCEL软件规划求解功能计算开采沉陷预计概率积分法预计参数的方法,很方便地得到了预计参数的优化解,通过实例验证,运用该方法得到的这些参数的解满足开采沉陷预计精度的要求,有很好的应用价值。

改进的WOA-BP算法在概率积分法参数预计中的应用

针对BP神经网络在预测概率积分法参数时将引起初始偏置值和权值的随机性的问题,该文旨在解决由此导致预测参数不稳定的问题。首先对鲸鱼算法(WOA)的收敛因素和位置更新方式进行改进,使其寻优能力提升;再利用改进的WOA算法对BP神经网络的初始偏置值和权值进行优化,使用最优的偏置值和权值获得概率积分法预计参数,并在矿区沉降监测中应用。利用实测数据验证表明,与BP神经网络和普通WOA-BP算法相比,改进WOA-BP算法具有较高的一致性指数和决定系数,且均方根误差和相对误差平均值明显减小,迭代次数显著减少。因此,改进的WOA-BP算法可有效提高概率积分预计的质量,在矿区沉降监测中发挥一定作用。

寺河煤矿西三盘区地表与岩层移动观测研究

为了掌握煤炭开采引起的地表与岩层变形规律,在寺河煤矿西三盘区W3302工作面上方设立观测站,长期进行地表移动变形观测,获取各观测点的变形数据,求取概率积分法预计参数和地表移动边界角、移动角等参数。可将其用于保护煤柱设计和环境影响评价,提前采取有效措施减少环境影响和破坏。