基于支持向量机的开采沉陷预计参数选取研究.pdf

《基于支持向量机的开采沉陷预计参数选取研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第2期中国矿业Vo【．24．NO．22015年2月CHINAMlNlNGMAGAZINEFeh．2O15基于支持向量机的开采沉陷预计参数选取研究拓万兵，姜伟。，吴凤民(1．中国矿业大学银川学院矿业工程系，宁夏银川750011；2．山西蓝焰煤层气工程研究有限责任公司，山西晋城048012)摘要：为建立精确度高且具有自学习能力的开采沉陷预计参数选取模型，采用主成分分析方法，对文献中的数据进行预处理，选择累计方差达到96．79的6个主成分因子和地表下沉系数为输入和输出变量，以径向基(RBF)为核函数，建立了基于支持向量机开采沉陷预计参数

2、选取模型。结果表明，支持向量机模型在训练样本较少的情况下，具有较高的预测精度和较强的泛化能力，平均相对误差和均方根误差值的对比证明了支持向量机模型的预测准确性和预测稳定性更好。关键词：支持向量机；主成分分析；下沉系数；选取中图分类号：TD173．4文献标识码：A文章编号：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采矿引起的覆岩和地表产生的连续移动变形和方法需要特定的预计参数，参数的选取是否正确直非连续破坏称为开采沉陷口]。开采沉陷预计是矿接决定预计结果的可靠性。目前选取预计参数常采山开采沉陷学的核心内容之一，它对开采沉陷的理实测资料求

7、参和类比求参，不能集成开采沉陷预计论研究和生产实践都有重要的意义]。目前，开采的经验性知识，缺乏自学习能力。此外，由于岩土体沉陷预计方法主要有：基于实测资料的经验方法、影介质的复杂性，使得岩土介质的力学行为具有高维响函数法和理论模型法等_3]。其中，影响函数法中数、非线性等特点，使得实测或类比求参很难根据实的概率积分法是我国矿区最常用，最成熟的方法，此际获得的含有噪声的信息求出令人满意的结果¨4]。支持向量机(SupportVectorMachine，SVM)是借助于最优化方法解决机器学习问题的新工具，其采收稿日期：2O14一O525用结

8、构风险最小化原则，有效地解决了小样本、非线基金项目：宁夏高等学校科学技术研究项目资助(编号：20130137)性、高维数和局部极小值等问题，具有良好的泛化能作者简介：拓万兵(1984一)，男，