主权项 |
一种导水裂隙带高度预测方法,其特征在于包括以下工艺步骤:(1)获取样本数据:选取导水裂隙带高度的影响指标5~8个,统计部分矿井的导水裂带隙影响指标和高度数据,形成样本数据;(2)影响指标的主成分建模:利用主成分分析法对步骤(1)形成的样本数据中各样本的影响指标数据进行降维,得到影响导水裂隙带高度的主成分模型,求取各样本的主成分值,并与导水裂隙带高度组成新的样本集,其具体步骤如下:①对样本数据的各样本中的影响指标数据进行归一化处理,得到样本集矩阵X;②将样本集矩阵X用下式变换为相关矩阵,得到主成分矩阵R:R=(r<sub>ij</sub>)<sub>p×p</sub>且<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>r</mi><mi>ij</mi></msub><mo>=</mo><mfrac><mn>1</mn><mi>n</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>a</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msub><mi>x</mi><mi>ai</mi></msub><mo>-</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>i</mi></msub><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>x</mi><mi>aj</mi></msub><mo>-</mo><msub><mover><mi>x</mi><mo>‾</mo></mover><mi>j</mi></msub><mo>)</mo></mrow><mo>,</mo><mrow><mo>(</mo><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>·</mo><mo>·</mo><mo>·</mo><mi>p</mi><mo>;</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>·</mo><mo>·</mo><mo>·</mo><mi>p</mi><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000578691790000011.GIF" wi="1214" he="132" /></maths>其中:x<sub>ai</sub>为第i个影响指标第a个样本的数值;<img file="FDA0000578691790000012.GIF" wi="55" he="70" />为第i个影响指标所有样本数值的平均值;x<sub>aj</sub>为第j个影响指标第a个样本的数值;<img file="FDA0000578691790000013.GIF" wi="63" he="76" />为第j个影响指标所有样本数值的平均值;n为样本个数;i为影响指标个数;r<sub>ij</sub>为第i个影响指标与第j个影响指标的相关系数;③根据主成分矩阵R求出特征值、主成分贡献率和累计贡献率,确定主成分个数m,并按下式建立主成分模型:F<sub>i</sub>=a<sub>1i</sub>X<sub>1</sub>+a<sub>2i</sub>X<sub>2</sub>+…+a<sub>pi</sub>X<sub>p</sub> (i=1,2,…,m)其中,F<sub>i</sub>为第i主成分,每个方程中的系数向量(a<sub>1i</sub>,a<sub>2i</sub>,…,a<sub>pi</sub>)分别是特征值λ<sub>1</sub>,λ<sub>2</sub>,…,λ<sub>m</sub>所对应的单位特征向量,X<sub>i</sub>(i=1、2……i)为第i个影响指标的标准化数据;④求取各样本主成分的数值,并与导水裂隙带实测高度组成新的样本集;(3)建立导水裂隙带高度预测的小波神经网络模型:利用小波神经网络算法模型进行训练,建立导水裂隙带高度的小波神经网络预测模型,其步骤如下:①建立网络样本:把步骤(2)中形成的新样本集划分为训练样本和测试样本,训练样本用于训练网络,测试样本用于测试网络预测精度;②网络初始化:随机初始小波函数伸缩因子a<sub>k</sub>、平移因子b<sub>k</sub>以及网络连接权值,设置网络学习速率lr<sub>1</sub>和lr<sub>2</sub>,设定期望误差e’和最大训练步数m;③网络训练:把训练样本输入网络,计算网络预测输出并计算网络输出和期望输出误差e,根据误差e修正网络权值和小波函数参数,使网络预测值逼近期望值;④判断算法是否结束:若误差e达到期望误差值e’或达到训练步数m则算法结束,否则返回步骤③;⑤网络检验:利用测试样本测试网络预测精度,若预测精度≥85%则可应用,若预测精度<85%则重新主成分建模;(4)根据步骤(3)建立的预测模型对矿井导水裂隙带高度进行预测。 |