基于小波去噪的灰色BP神经网络模型的地表沉降预测方法技术

本发明专利技术公开一种基于小波去噪的灰色BP神经网络模型的地表沉降预测方法，具体属于采空区残余沉降预测技术领域，包括以下步骤，采用小波阈值去噪方法对实测数据进行优化处理；将小波预处理后的数据生成计算序列建立灰色GM(1，1)预测模型，得出预测结果与误差序列；将GM(1，1)模型的预测结果进行多次神经网络训练，处理得到BP神经网络预测模型修正后的误差序列，与GM(1，1)模型的预测序列相加之和即为灰色BP神经网络模型的预测值；最终对组合模型的预测精度进行计算，对预测结果进行评价。本发明专利技术实现了多种预测方法优势的有机结合，进一步提高串联式模型预计结果的准确性与可靠性，在沉陷预计方面具有很好的理论意义与应用前景。沉陷预计方面具有很好的理论意义与应用前景。沉陷预计方面具有很好的理论意义与应用前景。

【技术实现步骤摘要】
基于小波去噪的灰色BP神经网络模型的地表沉降预测方法


[0001]本专利技术涉及采空区残余沉降预测
，具体涉及一种基于小波去噪的灰色BP神经网络模型的采空区地表沉降预测方法。

技术介绍

[0002]为完善新型城镇化战略，加速推进城镇化发展，将下伏采空区场地作为建筑地基成为时下解决用地紧张问题的重要举措。因此，通过建立相关预测模型对老采空区地表残余沉降进行预测以确保采空区地表上新建建筑物的安全性与稳定性的研究是十分必要的。
[0003]智能算法在自动控制、数据预测以及优化求解等方面具有较好的性能，其中，灰色模型预测方法与BP神经网络模型预测方法对于预计地下采煤区地表沉陷有着较为广泛的应用。灰色系统理论是我国邓聚龙教授提出的一套整合自动控制和运筹学的、针对灰色性问题深入挖掘的数学方法，该理论可通过已知事物的部分信息有效预测到有利于事物发展的未知信息，在工程技术的众多领域已得到广泛的应用。BP神经网络概念是美国科学家Rumelhart 与McCelland等人在人工神经网络算法的基础上提出的，该算法利用非线性的神经元处理函数，具有结构简本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波去噪的灰色BP神经网络模型的地表沉降预测方法，其特征在于，包括以下步骤：步骤一、借助MATLAB软件的小波分析工具箱引入小波函数对实测数据进行预处理，通过控制变量法选取不同阈值方式对原始数据进行未知尺度白噪声去噪，对比不同的去噪效果，最终选用Daubechies3小波、Rigrsure阈值方式、软阈值原则经过一层分解对监测点的累积沉降量进行去噪处理，重构得到小波阈值去噪的数据序列；步骤二、去噪后的数据序列采用一次累加法生成计算序列，通过建立一阶线性微分方程求解发展系数a与灰色作用量b，回代原微分方程得到灰色GM(1，1)预测模型方程，与去噪值进行对比得出GM(1，1)模型的预测结果与误差序列；步骤三、将GM(1，1)模型拟合预测的结果作为输入值进行神经网络训练，再将GM(1，1)模型得出的误差序列输入到已训练好的BP神经网络预测模型中，得出修正后的误差序列与GM(1，1)模型的预测序列相加，即为灰色BP神经网络模型的预测值；步骤四、通过计算平均绝对百分比误差(MAPE)与均方根误差(RMSE)两项参考指标来评价组合模型的预测精度。2.根据权利要求1所述的基于小波去噪的灰色BP神经网络模型的地表沉降预测方法，其特征在于：步骤一所述的小波阈值去噪方法就是将分布在高频小波系数中的噪声降低或者去除的过程，其一维信号模型为：s(n)＝f(n)+σe(i)，i＝1，2，
…
，n
‑1ꢀꢀꢀꢀ
(1)式中，s(n)为监测信号，f(n)为真实信号，σ为噪声水平，e(i)为噪声信号。3.根据权利要求1所述的基于小波去噪的灰色BP神经网络模型的地表沉降预测方法，其特征在于：步骤二所述的灰色GM(1，1)预测模型采用单序列一阶线性模型，其建模过程如下：(1)将小波去噪值建立原始数据序列：x
(0)
＝[x
(0)
(1)，x
(0)
(2)，
…
，x
(0)
(n)]
ꢀꢀꢀꢀ
(2)逐步累加(1
‑
AGO)生成新的预测数列：x
(1)
＝[x
(1)
(1)，x
(1)
(2)，
…
，x
(1)
(n)]
ꢀꢀꢀꢀ
(3)(2)针对累积序列x
(1)
建立灰微分方程：x
(0)
(t)+az

【专利技术属性】
技术研发人员：张向东，李文亮，张雪峰，王斯琪，王野，王博洋，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：