10.3969/j.issn.1672-5867.2017.04.002
露天矿边坡变形监测中BP神经网络模型优化设计
提出了一种提升露天矿边坡位移量预测精度和收敛速度的基于自适应混合跳跃粒子群算法(AHJPSO)改进的BP(Back Propagation)神经网络模型.传统的BP神经网络模型在位移量预测过程中存在收敛速度慢、预测精度低、易陷入局部极小值的问题,而自适应混合跳跃粒子群算法具有快速寻优能力以及能够在迭代计算的过程中有效避免陷入局部极小值的能力,所以采用自适应混合跳跃粒子群算法优化后的BP神经网络模型,能够使BP神经网络模型对露天矿边坡位移量的预测精度更高、算法收敛速度更快,并有效跳出局部极小值.
BP神经网络模型、自适应混合跳跃粒子群算法、露天矿边坡、预测
P25;TB22(专业测绘)
灾害水源直接探测仪器装备研究与应用项目2011YQ030133
2017-06-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
4-6,11