資源描述：
《基于支持向量機的開采沉陷預(yù)計參數(shù)選取研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第24卷第2期中國礦業(yè)Vo【．24．NO．22015年2月CHINAMlNlNGMAGAZINEFeh．2O15基于支持向量機的開采沉陷預(yù)計參數(shù)選取研究拓萬兵，姜偉。，吳鳳民(1．中國礦業(yè)大學(xué)銀川學(xué)院礦業(yè)工程系，寧夏銀川750011；2．山西藍焰煤層氣工程研究有限責任公司，山西晉城048012)摘要：為建立精確度高且具有自學(xué)習(xí)能力的開采沉陷預(yù)計參數(shù)選取模型，采用主成分分析方法，對文獻中的數(shù)據(jù)進行預(yù)處理，選擇累計方差達到96．79的6個主成分因子和地表下沉系數(shù)為輸入和輸出變量，以徑向基(RBF)為核函數(shù)，建立了基于支持向量機開采沉陷預(yù)計參數(shù)
2、選取模型。結(jié)果表明，支持向量機模型在訓(xùn)練樣本較少的情況下，具有較高的預(yù)測精度和較強的泛化能力，平均相對誤差和均方根誤差值的對比證明了支持向量機模型的預(yù)測準確性和預(yù)測穩(wěn)定性更好。關(guān)鍵詞：支持向量機；主成分分析；下沉系數(shù)；選取中圖分類號：TD173．4文獻標識碼：A文章編號：1004—4051(2015)02一Ol14一O3StudyontheselectionofpredicationparametersonminingsubsidencebasedonsupportvectormachineTUOWan-bing，JIANGWei，WUF
3、eng—min(1．SchoolofMinesandEngineering，ChinaUniversityofMiningandTechnologyYinchuanCollege，Yinchuan750011，China；2．BlueFlameofCoalBedGasinShanxiGroupCo．，Ltd．，Jincheng048012，China)Abstract：InordertOestablishselectionmodelofminingsubsidencepredictingparameters，whichhasselflea
4、rningabilityandwithhighaccuracy．Inthispaper，usingprincipalcomponentanalysispreprocessingthedataintheliterature，wehaveestablishedthepredictionparametersofminingsubsidenceselectionmodelusingsupportvectormachine，basedonradialbasisfunction(RBF)，byselectingmaincomponentsfactor
5、withcumulativevariancereaches96．79of6andsurfacesubsidencefactorastheinputandoutputvariables．ResultsshowunderthecircumstancesoflesstrainingsamplesSupportvectormachine(SVM)model，hashighprecisionandstronggeneralizationability，thepredictionaccuracyandpredictionstabilityisbett
6、er．whichwasprovedcontrastingaveragerelativeerrorandrootmeansquareerror．Keywords：supportvectormachine；principalcomponentanalysis；subsidencecoefficient；selection采礦引起的覆巖和地表產(chǎn)生的連續(xù)移動變形和方法需要特定的預(yù)計參數(shù)，參數(shù)的選取是否正確直非連續(xù)破壞稱為開采沉陷口]。開采沉陷預(yù)計是礦接決定預(yù)計結(jié)果的可靠性。目前選取預(yù)計參數(shù)常采山開采沉陷學(xué)的核心內(nèi)容之一，它對開采沉陷的理實測資料求
7、參和類比求參，不能集成開采沉陷預(yù)計論研究和生產(chǎn)實踐都有重要的意義]。目前，開采的經(jīng)驗性知識，缺乏自學(xué)習(xí)能力。此外，由于巖土體沉陷預(yù)計方法主要有：基于實測資料的經(jīng)驗方法、影介質(zhì)的復(fù)雜性，使得巖土介質(zhì)的力學(xué)行為具有高維響函數(shù)法和理論模型法等_3]。其中，影響函數(shù)法中數(shù)、非線性等特點，使得實測或類比求參很難根據(jù)實的概率積分法是我國礦區(qū)最常用，最成熟的方法，此際獲得的含有噪聲的信息求出令人滿意的結(jié)果¨4]。支持向量機(SupportVectorMachine，SVM)是借助于最優(yōu)化方法解決機器學(xué)習(xí)問題的新工具，其采收稿日期：2O14一O525用結(jié)
8、構(gòu)風(fēng)險最小化原則，有效地解決了小樣本、非線基金項目：寧夏高等學(xué)校科學(xué)技術(shù)研究項目資助(編號：20130137)性、高維數(shù)和局部極小值等問題，具有良好的泛化能作者簡介：拓萬兵(1984一)，男，
