基于量子神经网络拟合法的矿区地表变形监测

摘要：

矿区地表变形监测受到矿区地质构造条件、开采规模、采矿工艺等因素的影响,目前常规的矿区地表变形监测方法具有流程繁琐、工作量大、监测精度低等不足,为此,提出了一种基于量子神经网络拟合法的矿区地表变形监测方法.该方法通过将矿区监测点x、y坐标作为神经网络输入层神经元,将监测点的高程异常量(ξ)作为神经网络的输出层神经元,经多次迭代获得最优解.基于某矿区GPS监测数据,分别采用二次多项式拟合、BP神经网络拟合以及所提方法进行对比试验,并引入内、外符合精度作为各方法拟合精度的评价标准,结果表明:对于不同分布的监测点以及不同数量的监测点,所提方法相对于其余2种方法而言具有较高的内、外符合精度及较小的残差,对于提高矿区变形监测精度有一定的参考价值.

关键词：量子神经网络、二次多项式拟合、变形监测、BP神经网络、残差、内外符合精度

分类号：TD325(矿山压力与支护)

在线出版日期：2016-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：154-157