回归－Elman网络在矿坝变形预测中的应用

王祖顺，韩吉德，王春青

（青海省第二测绘院，青海西宁810001）



回归－Elman网络在矿坝变形预测中的应用

王祖顺，韩吉德，王春青

（青海省第二测绘院，青海西宁810001）

摘 要：金矿开展矿坝的变形监测工作，引入多层递阶回归分析模型，有较高的预测精度，但方法较繁琐，计算较复杂。由于变形数据可分离成趋势项与随机项，趋势项可用多元线性回归良好地拟合；随机项的预测，文中采用Elman网络建模计算，最后利用矿坝的实测高程位移数据进行验证，并与多层递阶回归进行比较。结果表明：回归－Elman网络模型比多层递阶回归的预测精度更高，效果更好，且方法简洁实用性强。

关键词：Elman神经网络；回归分析；变形预测；多层递阶回归；组合模型

回归分析模型、时间序列分析模型、人工神经网络模型等，是对变形数据进行预测预报的多种方法，是测绘人员长期地研究相关课题而相继提出的［1］。然而每种模型都有一定的局限性，需满足一定的适用条件。变形体变形机理多样且复杂，结合多学科知识来逼近模拟变形规律是未来研究趋势之一。

形变序列往往既具有确定的趋势项，又具有不确定的随机项。趋势项可以由回归分析较好地拟合，但是随机项，需要进一步处理［2］。文献［3］采取的是多层递阶回归，方法繁琐，且其回归分析的参数并不固定，随时间而改变，计算复杂。而神经网络能够自学习自适应与信息综合，不仅能够运算数值数据，对抽象的问题或未知的系统也能处理［1］。……