一种基于有导师学习神经网络算法的导水裂隙带预测方法

    公开(公告)号:CN111274736A

    公开(公告)日:2020-06-12

    申请号:CN202010068784.7

    申请日:2020-01-21

    IPC分类号: G06F30/27 G06Q10/04 G06Q50/02

    摘要: 本发明公开了一种基于有导师学习神经网络算法的导水裂隙带预测方法。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:归一化处理收集到的影响因素数据;S3:将归一化后的数据集分为训练样本和检验样本;S4:选取训练样本数据,利用MATLAB RBF神经网络工具,建立导水裂隙带高度预测模型;S5:将检验样本数据代入导水裂隙带高度预测模型,求得对应导水裂隙带高度预测值;S6:计算检验样本的预测值与实际值的相对误差和决定系数,判断预测模型是否有效,若无效,则重新选取影响因素指标,重复上述步骤S1~S6,直至寻求到有效的导水裂隙带高度预测模型。