资源描述：
《基于支持向量机回归爆破振动速度预测分析_史秀志.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15卷第3期工程爆破Vol15,No32009年9月ENGINEERINGBLASTINGSeptember2009文章编号:1006-7051(2009)03-0028-03基于支持向量机回归爆破振动速度预测分析史秀志,董凯程,邱贤阳,陈小康(中南大学资源与安全工程学院,长沙410083)摘要:运用支持向量机回归(SVMR)预测理论,对爆破振动质点振动速度进行预测,并与实测数据进行对比分析。通过与RBF神经网络、传统预测方法进行对比分析,运用支持向量机回归理论预测方法能较好地预测
2、爆破振动速度,对研究爆破振动特征及灾害控制具有一定意义。关键词:支持向量机回归;质点振速峰值;预测中图分类号:TP3919文献标识码:AANALYSISOFTHEPPVPREDICTIONOFBLASTINGVIBRATIONBASEDONSUPPORTVECTORMACHINEREGRESSIONSHIXiu-zhi,DONGKai-cheng,QIUXian-yang,CHENXiao-kang(SchoolofResourcesandSafetyEngineering,CentralSouthUniversity,Changsha410083
3、,China)ABSTRACT:ThisarticlepredictedthePPVofblastingvibrationandcontrastedtheresultswiththemeas-ureddatabasedonsupportvectormachineregression(SVMR)predictiontheory.Withthecomparativea-nalysisbetweentheRBFneuralnetworkandtraditionalpredictionmethod,thefactthatthemethodbasedonsuppo
4、rtvectormachineregressiontheorycouldmakeabetterpredictionofthePPVofblastingvibrationandreducepredictioninaccuracywasrevealed,showingthesignificanceofthestudyofblastingvibrationcharacteristicsandthecontrolofdisasterscausedbyblasting.KEYWORDS:SupportiveVectorMachineRegression(SVMR)
5、;PeakParticleVelocity(PPV);Prediction机器学习算法,它的理论基础是由Vapnik创建的1引言统计学习理论。与传统统计学相比,统计学习理论一个准确的爆破振动模型,应该能够准确地描着重研究有限样本情况下的统计规律和学习方法。述与爆破振动最直接相关的各种因素。目前爆破振支持向量机(SVM)的核心是支持向量,其基本思想1动预测模型所应用的理论主要有神经网络、灰关是升维和线性化。即基于Mercer展开定理,通过非23联法、基于粗糙集的模糊神经网络等,上述理论线性映射,把样本空间映射到一个高维特征空间,然在爆破振动
6、信号特征预测方面得到了很好的应用。后在这个特征空间中求取最优线性分类面,寻求最本文将支持向量机回归(SVMR)理论应用于爆破掁优回归超平面的问题转化为求解一个二次凸规划问动峰值质点振动速度(PPV)预测,通过基于支持向4-11题,并可以求得全局最优解。因此,支持向量量机回归、RBF网络和传统预测模型对爆破振动峰机首先考虑线性回归,即给定回归估计的一组样本值质点振动速度进行对比分析,认为SVMR是一种d{(xi,yi),i=1,2,,l},其中xiR为输入值,较理想的PPV预测方法。yiR是对应的目标值,l为样本数。2支持向量机回归(SVMR)
7、理论线性回归问题即求回归函数f(x)=g(x)+b(1)支持向量机是由Vapnik等提出的一种新型的d式中R,bR表示阈值,且满足结构风险最小收稿日期:2009-01-05化原理4。根据统计学习理论,回归函数的估计可作者简介:史秀志,副教授、博士,主要从事爆破与安全方面的研究。转换成对优化目标函数求最小值:史秀志等:基于支持向量机回归爆破振动速度预测分析2912这就是SVM方法最终确定的非线性回归函数。()=+CRemp(f)(2)2式中:C为惩罚因子,Remp(f)为损失函数。常用的3预测样本损失函数有拉普拉斯(Laplac
8、e)函数、虎泊(Huber)使用IDTS-3850爆破振动记录仪对井下采场函数和
