[发明专利]基于灰色人工神经网络组合模型导水裂隙带高度预测方法

摘要

本发明公开了一种基于灰色人工神经网络组合模型导水裂隙带高度预测方法，其步骤为S1：收集矿井导水裂隙带高度的影响因素指标与对应的导水裂隙带高度，形成样本数据集；S2：利用灰色系统理论(GreySystem)中的弱化缓冲算子，对数据集中的极端变化情况进行弱化；S3：对弱化后的数据集进行归一化，并将归一化后的数据集分为训练样本和检验样本；S4：利用Matlab人工神经网络工具箱，将训练样本输入到编制的程序中，建立导水裂隙带高度预测模型；S5：对比检验样本的预测值与实际值，若二者的相对误差小于或等于10％，则认定预测模型有效；否则，认定无效，改变编程中参数，重新建立预测模型。

主权项

一种基于灰色人工神经网络组合模型导水裂隙带高度预测方法，其特征在于，包括如下步骤：S1：收集矿井导水裂隙带高度的影响因素指标与对应的导水裂隙带高度，形成样本数据集；S2：利用灰色系统理论中的弱化缓冲算子，对数据集中的极端变化情况，即数值上突然增大或减小的数据进行弱化；S3：对弱化后的数据集进行归一化，并将归一化后的数据集分为训练样本和检验样本，其中数据样本随机分成训练样本、检验样本，所述检验样本占总样本10％以上；S4：利用Matlab人工神经网络工具箱，将训练样本输入到编制的程序中，建立导水裂隙带高度预测模型，matlab编程如下：bpnet＝newff(pr，[51]，{′logsig′，′logsig′}，′traingdx′，′learngdm′)；inputWeights＝net.IW{1，1}；inputbias＝net.b{1}；layerWeights＝net.LW{2，1}；layerbias＝net.b{2}；net.trainParam.show＝50；net.trainParam.1r＝0.002；net.trainParam.mc＝0.9；net.trainParam.epochs＝1000；net.trainParam.goal＝0.001；[net，tr]＝train(net，P，T)；利用编写的matlab程序，首先在训练样本的基础上进行模型训练，当误差训练曲线达到期望误差值0.001时，此时获得预测模型，利用编写的程序对检验样本进行导水裂隙带高度预测；S5：对比检验样本的预测值与实际值，若二者的相对误差小于或等于10％，则认定预测模型有效；否则，认定无效，改变编程中参数，重新建立预测模型；重复上述步骤S1、步骤S2、步骤S3、步骤S4。