金属矿采空区危险性判别的PCA-SVM模型研究.pdf

金属矿采空区危险性判别的PCA-SVM模型研究.pdf

ID:52271213

大小:292.62 KB

页数:4页

时间:2020-03-26

金属矿采空区危险性判别的PCA-SVM模型研究.pdf_第1页
金属矿采空区危险性判别的PCA-SVM模型研究.pdf_第2页
金属矿采空区危险性判别的PCA-SVM模型研究.pdf_第3页
金属矿采空区危险性判别的PCA-SVM模型研究.pdf_第4页
资源描述:

《金属矿采空区危险性判别的PCA-SVM模型研究.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34卷第4期矿冶工程Vo1.34№42014年08月MININGANDMETALLUP-GICALENGINEERINGAugust2014金属矿采空区危险性判别的PCA—SVM模型研究①刘志祥,郭虎强,兰明(中南大学资源与安全工程学院,湖南长沙410083)摘要:为了有效合理地判别金属矿采空区的危险性,引入主成分分析法(PCA)及支持向量机(SVM),建立了PCA-SVM判别模型。搜集国内金属矿40组采空区失稳资料,首先利用主成分分析法对采空区失稳因素进行降维处理,消除各因素之间的冗余,获取样本集主要信息。然后利用支持向量机对保留的主成分数据进行建模,并引人遗传算法对SVM模型参数进行优化

2、,改善SVM模型的判别效果。对判别模型进行训练及检验,结果表明,该模型对训练样本和检验样本的判别精度分别达到100%及90%。最后将该模型运用于工程实际中,其判别结果与实际情况相符,表明该模型在工程实际中具有一定的应用价值。关键词:采空区;危险性判别;主成分分析;支持向量机中图分类号:TD325文献标识码:Adoi:10.3969/j.issn.0253-6099.2014.04.OO4文章编号:0253—6099(2014)04—0016—04StudyonPCA-SVMModelforEvaluationofGobHazardsinMetalMineLIUZhi—xiang,GU0Hu—q

3、iang,LANMing(SchoolofResourcesandSafetyEngineering,CentralSouthUniversity,Changsha410083,Hunan,China)Abstract:APCA—SVMmodelwasestablishedbyintroducingprincipalcomponentanalysis(PCA)andsupportvectormachine(SVM)foreffectivelyevaluatinggobhazardsinmetalmines.With40setsofdataaboutunstablegobindomesticme

4、talmines,factorscontributingtotheinstabilityofmind—outareawerefirstlytreatedwithprincipalcomponentanalysisfordimensionalityreduction,SOastoeliminateredundanciesamongfactorsandobtainmaininformationofsampleofdataset.ThenSVMwasusedtobuildmodelfortheremainingdateafterPCA,andparametersoftheSVMmodelwasopt

5、imizedbyintroducinggeneticalgorithm,resultinginanimprovementinevaluationeffectofSVMmode1.Basedonthetrainingandtestingofsuchevaluationmodel,itisfoundthattheevaluationaccuracyofthetrainingsamplesandtestingsampleshadrespectivelyreached100%and90%.Finally,itspracticalapplicationinprojectsshowedtheevaluat

6、ionresultinaccordancewithpracticalresult,verifyingitsapplicationvalue.Keywords:gob;hazardsassessment;principalcomponentanalysis(PCA);suppo~vectormachine(SVM)我国金属矿山在不断进行地下开采过程中形成了得到了广泛的应用,取得了不错的效果。但是,神经网大量采空区。采空区的长期存在会带来一系列的安全络具有易陷入局部最优,出现局部极小以及泛化能力问题,如采场顶部的岩石冒落及地表的开裂、塌陷等,差等问题。支持向量机(SVM)是一种基于结构风险严重影响

7、矿山安全生产。因此,有必要对采空区最小化的机器学习方法,其模型结构简单,能够较好地的危险性做出一个合理、有效的分析判别。相关学者解决小样本、非线性、过拟合、维数灾难及局部极小等在采空区危险性判别或评价上做出了大量的研问题,有着较强的泛化能力。然而,在实际应用中,人究J。随着研究的深入,研究者们认识到采空区失们对采空区失稳因素之间重叠信息的处理较少,众多稳过程是一个随机的非平稳过程,受到众多因素的影

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。