偏最小二乘回归的神经网络模型在巷道围岩位移预测中的应用

摘要

偏最小二乘回归方法集多元回归、典型相关分析及主成分分析的功能于一体,能有效地处理自变量的多重线性相关问题,但不能较好地处理因变量与自变量间复杂的非线性问题,而神经网络方法是处理非线性问题的有力工具,但输入数据的严重相关性会使得网络的求解变得不稳定且收敛速度很慢,本文试图把这两种方法结合在一起来预测巷道围岩的位移.结果表明,结合方法比单一方法优越.通过偏最小二乘回归对巷道围岩的位移影响因子的处理,消除了影响因子的线性相关性,并提取了对因变量解释性最强的成分,使BP(back propagation)网络的输入层节点数目由原来的7个减少到3个,起到了简化网络结构,增强网络稳定性的作用.