|
|||||
|
|
| KPCA-CS-SVM下的矿井突水水源判别模型 | |
| 摘 要： | 针对矿井水害的突水水源判别问题,采用KPCA方法对原始数据降维,通过布谷鸟搜索算法(CS)优化支持向量机(SVM)的惩罚因子C和核参数g,建立基于KPCA-CS-SVM的矿井突水水源判别模型,以淮南新庄孜矿各含水层共45个突水样本数据作为研究对象,选取7个主要影响因素作为突水水源的判别依据,对KPCA-CS-SVM水源判别模型进行学习训练及预测分析,并与KPCA-GA-SVM、KPCA-PSO-SVM模型的判别效果进行对比.研究结果表明:KPCA-CS-SVM模型的突水水源判别结果与实际结果保持一致,且其预测准确率、判别速度、稳定性高于其他2个模型.研究结论从新的角度对突水水源进行判别,有助于矿井突水的灾害预判. |
| 本文献已被 CNKI 等数据库收录！ | |