| 基于PSO和SVM的矿区地表下沉系数预测 |
| |
| 引用本文： | 于宁锋,杨化超,邓喀中,张书毕.基于PSO和SVM的矿区地表下沉系数预测[J].辽宁工程技术大学学报(自然科学版),2008,27(3):365-367. |
| |
| 作者姓名： | 于宁锋 杨化超 邓喀中 张书毕 |
| |
| 作者单位： | 1. 中国矿业大学,环境与测绘学院,江苏,徐州,221008;江苏省资源环境信息工程重点实验室,江苏,徐州,221008
2. 中国矿业大学,环境与测绘学院,江苏,徐州,221008 |
| |
| 摘 要： | 研究并建立矿区地表下沉系数的智能预测模型.将粒子群优化(PSO)和回归支持向量机(SVM)方法进行融合.采用PSO算法优化SVM回归估计参数,在简要分析影响地表下沉因素的基础上,建立了基于PSO优化参数的SVM(PSO-SVM)矿区地表下沉系数智能预测模型.以我国典型的地表移动观测站资料作为学习训练样本和测试样本,将计算结果与实际值进行了对比分析,并与改进BP神经网络算法的预测结果进行了比较.结果表明:PSO-SVM方法计算地表下沉系数是可行的,收敛速度更快,计算精度更高.为地表下沉系数的计算探索了一种可行的方法.
|
| 关 键 词： | 地表下沉系数 粒子群优化 支持向量机 回归 |
| 文章编号： | 1008-0562(2008)03-0365-03 |
| 修稿时间： | 2006年11月15 |
Calculation of surface subsidence coefficient in mining areas using support vector machine regression |
| |
| YU Ningfeng,YANG Huachao,DENG Kazhong,ZHANG Shubi.Calculation of surface subsidence coefficient in mining areas using support vector machine regression[J].Journal of Liaoning Technical University (Natural Science Edition),2008,27(3):365-367. |
| |
| Authors: | YU Ningfeng YANG Huachao DENG Kazhong ZHANG Shubi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
