%0 Journal Article
%T GRNN神经网络在矿区地表变形预测中的应用
%A 高彩云
%A 崔希民
%A 高宁
%A 洪雪倩
%J 金属矿山
%P 97-100
%D 2014
%X 针对矿区地表变形预测受多种因素影响的复杂性、非线性等特点，基于新型广义回归神经网络（GRNN），构建了矿区地表变形预测模型。首先，介绍了GRNN的建模原理，并对影响GRNN网络预测的关键因素进行了讨论；其次，为了提高网络的泛化能力及预测精度，采用滚动建模方式对网络进行建模训练，并基于最小均方误差原理提出了交叉验证搜索算法对GRNN网络预测关键参数平滑因子SPREAD进行优选；最后，将优化后的GRNN网络应用于某矿区地表变形预测，并与LM-BP、RBF、回归分析3种模型的预测效果进行了比较，结果表明，GRNN网络泛化能力强、算法稳定，且预测精度较高，适合于矿区地表变形预测。
%K 矿区地表变形
%K GRNN神经网络
%K 滚动建模
%K 交叉验证
%K 预测
%U http://www.jsks.net.cn/CN/abstract/abstract11901.shtml