共查询到10条相似文献,搜索用时 15 毫秒
1.
针对边坡变形量预测难的问题, 将小波分析与BP神经网络预测相结合, 采用小波变换对边坡变形监测数据进行信噪分离, 进而消除观测误差, 通过BP神经网络预测模型BPANN对处理后数据进行再处理, 对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法, 并在鞍山某露天矿进行了实际应用。实例结果表明: 利用小波去噪与BPANN模型预测的监测点精度达到3 mm, 满足二等变形监测的要求, 数据处理简便, 在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。 相似文献
2.
3.
4.
5.
为保证露天转地下平稳过渡,需对-30 m水平挂帮矿进行开采,而西南边帮的稳定确保挂帮矿的顺利开采,因此基于杏山铁矿复杂的地质条件和矿区在露天转地下条件,对西南帮边坡变形破坏规律进行了分析。在分析西南边坡变形破坏规律的过程中,主要运用灰色系统理论建立了杏山铁矿GM(1,1)预测模型,应用该预测模型对杏山铁矿边坡实际监测数据进行了分析,并将其结果与现场监测数据进行了对比分析,说明其变化趋势与监测结果基本一致,验证了GM(1,1)预测模型的可靠性,为模型后期的预测提供了理论依据。 相似文献
6.
7.
由于边坡滑移影响因素众多,无法建立精确的动力学模型,因此利用传统抗差卡尔曼滤波模型进行边坡短期变形预测十分困难,无法满足大型边坡高精度的预警需求。建立回归分析与抗差卡尔曼滤波协同下大型边坡短期变形预测模型,利用拟合值代替含粗差数据进行滤波预测运算,解决了卡尔曼滤波缺乏对粗差的抗干扰性问题。利用金堆城露天钼矿大型边坡监测数据开展工程案例研究,结果表明2种预测模型都是有效的,但回归分析与抗差卡尔曼滤波协同下大型边坡短期变形预测模型精度和抗差性2个指标都优于传统抗差卡尔曼滤波模型。 相似文献
8.
9.
针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法(SSA)和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法(SSA-BP)运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明:SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。 相似文献