基于蜣螂算法优化深度置信网络的城区地表沉降预测

摘要

为了对城区地表沉降量进行准确预测，提出基于蜣螂优化算法（DBO）改进深度置信网络（DBN）的城区地表沉降量预测模型。首先，针对深度置信网络存在参数调整困难的问题，引入蜣螂优化算法对参数进行优化设置；其次，以小基线集干涉测量技术（SBAS-InSAR）获取淮南特征区的地表沉降量作为原始序列进行预测计算，采用k折交叉验证以避免过拟合风险，并对比分析了反向传播神经网络、DBN和DBO-DBN模型预测结果。结果表明：（1）DBO-DBN模型预测的准确率为96.30%,均方根误差为0.840 mm,R²值为0.992 6,相较于BP神经网络和DBN模型，改进后的DBO-DBN预测精度提高，地表沉降预测值与真实值绝对误差趋势表现最好。（2）P1、P2两个特征点未来12个月的沉降量进行预测，结果显示P1点未来沉降量在一定范围内波动，P2点未来沉降量基本稳定，二者均未呈现明显的沉降趋势。

关键词

城区地表沉降 / 蜣螂优化算法 / 深度置信网络 / SBAS-InSAR / k折交叉验证