基于组合权重的地表下沉系数预测分析

地表下沉系数是地表沉陷预计中的重要参数，其取值的精度会对沉陷预计结果产生直接的影响，由于煤矿开采地表下沉系数影响因素众多且因素间存在着不确定性和非线性等复杂关系，从而导致地表下沉系数预测工作极为困难。为解决地表下沉系数难以准确预测的问题并提高预测精度，根据国内35个矿区的实测地表移动观测站数据，构建地表下沉系数预测模型。选取开采厚度、煤层倾角、平均釆深、走向宽深比、倾向宽深比、推进速度、松散层厚度和覆岩平均坚固系数等8个影响因素，采用灰色关联度分析和主成分分析相结合的方法求取地表下沉系数影响因素的组合权重，根据组合权重对地表移动观测站数据中的地表下沉系数影响因素进行排序，获得影响地表下沉系数的主要影响因素，并将主要影响因素作为输入，地表下沉系数作为输入参数，进而提出一种地表下沉系数预测分析的BP神经网络模型。结果表明：松散层厚度、推进速度、平均采深和倾向宽深比的组合权重更大，是地表下沉系数的主要影响因素；由地表下沉系数主要影响因素建立的地表下沉系数BP神经网络预测模型的预测精度高，其绝对误差最小值为3.954%,最大值仅为-6.918%,平均相对误差可以达到7.179%,与实测值极其接...

Prediction and analysis of surface subsidence coefficient based on combined weight