摘要:针对传统预测模型易陷入局部最优解等问题,通过海鸥优化算法(SOA)对BP神经网络的权值和阈值进行优化,构建了SOA-BP预测模型,该模型基于多个高相干性点的时序沉降值,可实现对矿区地表沉降的大范围精准预测. 采用SBAS-InSAR技术处理59幅研究区SAR影像,并提取了该区域6997个高相干性点的时序沉降值,基于监测数据,采用SOA-BP预测模型对研究区开展地表时序沉降预测,并计算了预测精度.研究结果表明:SOA-BP模型相较于BP模型的最大均方根误差降低了82.77％,最大平均绝对值误差降低了81.13％;随着时间推移,SOA-BP模型残差分布在±5mm 范围内的样本占比从79.59％提升至91.91％,最大残差极值从16.7224mm 缩小至9.4219mm.SOA-BP模型预测精度较高,能够准确预测地表沉降规律.
