%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