露天煤矿边坡稳定性预测PSO-LSSVM模型.doc

《露天煤矿边坡稳定性预测PSO-LSSVM模型.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、露天煤矿边坡稳定性预测的PSO-LSSVM模型温廷新1，张波2（辽宁工程技术大学系统工程研究所，辽宁葫芦岛125105）摘要：边坡工程是露天煤矿中的重点工程，边坡的稳定性关系着煤矿的安全生产。针对煤矿边坡工程稳定性预测的复杂性，将粒子群算法和最小二乘支持向量机结合，使用粒子群优化算法寻找最小二乘支持向量机的最优参数，选取煤矿边坡工程中岩石重度、粘聚力、内摩擦角、边坡角、边坡高度、孔隙水压力和振动系数等七项因素为边坡稳定性的影响因素，建立了PSO-LSSVM的煤矿边坡稳定性预测模型。利用煤矿实测30组边坡稳定性数据进行学习训练，另用12组数据进行测试，同时与LSSVM测试数据进行

2、比较，验证了PSO-LSSVM在煤矿边坡稳定性预测中有较高的准确度。关键词：粒子群算法；最小二乘支持向量机；边坡稳定性；露天煤矿ThePSO-LSSVMModelforpredictionofopen-pitcoalmineslopestabilityWENTingxin1,ZHANGBo2(SystemEngineeringInstitute,Liaoningtechnologicaluniversity,HuludaoLiaoning125105,China)Abstract:Slopeengineeringisakeyprojectinopen-pitcoalmine,t

3、hestabilityoftheslopeofisconcernedaboutthecoalminesafetyproduction.Facedwiththecomplexityofcoalmineslopeengineeringstabilityprediction,wecombinetheparticleswarmoptimizationalgorithmandleastsquaressupportvectormachine,andusetheparticleswarmoptimizationalgorithmtofindtheoptimalparametersofleas

4、tsquaressupportvectormachine(LSSVM),wechoosesevenfactorsastheinfluencesofslopestability,includingheavyrockincoalmineslopeengineering,cohesiveforce,internalfrictionangle,slopeangle,slopeheight,porewaterpressureandvibrationcoefficient.WeestablishthePSO-LSSVMmodelasthecoalmineslopestabilitypred

5、ictionandusethe30groupsrealcoalmineslopestabilitydatafortraining,andtheother12groupsfortesting.Inthemeantime,wecomparethemwiththeLSSVMtestdata.FinallywearesurethatthePSO-LSSVMhasahighaccuracyincoalmineslopestabilityprediction.Keywords:PSO;LSSVM;slopestability;openpitcoalmine引言随着社会经济又好又快的发展，边

6、坡工程的种类越来越多，边坡的高度也越来越高。边坡破坏失去稳定性不仅会造成经济损失，甚至危及到边坡周边人民的生命财产安全。例如，意大利北部瓦依昂水库1963年10月9日发生的灾难性顺层滑坡，滑坡体积达2亿4千万m3，使大约2600人丧生，造成了巨大的财产损失。而在各类边坡工程中，露天煤矿边坡工程的边坡高度几乎都超过百米，甚至高达几百米。边坡不稳定，即使一个小小的滑落都可能导致边坡失败，可以严重阻碍煤矿开采工作，致使直接或间接的经济损失。边坡失稳造成的滑坡现象已变成同地震和火山并列的全球性三大地质灾害之一[1-2]。边坡稳定性是煤矿工程效益分析的重点，关系着工程建设的成败，是矿山工

7、程安全的根本保障[3]。因此，露天煤矿边坡稳定性预测分析是当前一直被关注的研究领域，构建有效的边坡预测分析模型对煤矿边坡实现有效预测具有重大意义。目前，在边坡稳定性预测分析中主要有确定性和非确定性两种方法。确定性方法主要有极限平衡分析法[4]，数值方法[5]等，此类方法在对边坡稳定性进行分析时，将影响因素进行了大量简化，导致理论结果与实际相差甚远。在非确定性方法中出现一些智能算法，如程纬华[6]等将BP神经网络运用于露天矿边坡稳定性预测中。但是人工神经网络为了保证预测的准确率，需要大量测试数