資源描述：
《基于支持向量機的開采沉陷預計參數選取研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在行業(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計參數選取研究拓萬兵，姜偉。，吳鳳民(1．中國礦業(yè)大學銀川學院礦業(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習能力的開采沉陷預計參數選取模型，采用主成分分析方法，對文獻中的數據進行預處理，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為輸入和輸出變量，以徑向基(RBF)為核函數，建立了基于支持向量機開采沉陷預計參數
2、選取模型。結果表明，支持向量機模型在訓練樣本較少的情況下，具有較高的預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測準確性和預測穩(wěn)定性更好。關鍵詞：支持向量機；主成分分析；下沉系數；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生的連續(xù)移動變形和方法需要特定的預計參數，參數的選取是否正確直非連續(xù)破壞稱為開采沉陷口]。開采沉陷預計是礦接決定預計結果的可靠性。目前選取預計參數常采山開采沉陷學的核心內容之一，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計論研究和生產實踐都有重要的意義]。目前，開采的經驗性知識，缺乏自學習能力。此外，由于巖土體沉陷預計方法主要有：基于實測資料的經驗方法、影介質的復雜性，使得巖土介質的力學行為具有高維響函數法和理論模型法等_3]。其中，影響函數法中數、非線性等特點，使得實測或類比求參很難根據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果¨4]。支持向量機(SupportVectorMachine，SVM)是借助于最優(yōu)化方法解決機器學習問題的新工具，其采收稿日期：2O14一O525用結
8、構風險最小化原則，有效地解決了小樣本、非線基金項目：寧夏高等學校科學技術研究項目資助(編號：20130137)性、高維數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，
