基于SVM黄土矿区最大下沉预计研究
|
摘要
为提高黄土矿区地表最大下沉值预计精度和可靠性,基于支持向量机构建了最大下沉预计模型,用实测数据检验了模型,并与已有最大下沉预计模型进行了对比分析,结果表明:基于支持向量机构建的模型在精度和可靠性方面优于已有最大下沉预计模型,可以较好预测黄土矿区地表最大下沉值。
In order to improve the prediction accuracy and reliability of the maximum subsidence value in loess mining area. The maximum subsidence prediction modelbuilt based on SVM was tested with the measured data,and compared with the existing model,The results showed that the model based on Support Vector Mechanism was better than the maximum sinking prediction model in accuracy and reliability,and could predict the maximum subsidence value of loess mining area.
In order to improve the prediction accuracy and reliability of the maximum subsidence value in loess mining area. The maximum subsidence prediction modelbuilt based on SVM was tested with the measured data,and compared with the existing model,The results showed that the model based on Support Vector Mechanism was better than the maximum sinking prediction model in accuracy and reliability,and could predict the maximum subsidence value of loess mining area.
引文
[1]刘伟韬,谢祥祥,刘欢,等.多煤层开采沉陷动态预计分析[J].煤矿安全,2016,47(10):228-230,234.
[2]蔡来良,方茜,李春意,等.急倾斜煤层开采最大下沉值对数预计法[J].煤矿安全,2014,45(9):213-215.
[3]宋世杰,赵晓光,王双明.煤系覆岩中砂岩层数对开采沉陷的影响[J].煤矿安全,2014,45(11):60-63.
[4]李威,胡海峰,李俊芳.山区微地貌对开采沉陷规律的影响[J].煤矿安全,2014,45(10):211-213,217.
[5]侯利斌,翟英达,韩伟.李村煤矿开采沉陷规律数值模拟研究[J].煤矿安全,2013,44(4):58-61.
[6]贾哲,宋世杰,赵晓光.基于几何多边形法的榆神府矿区开采沉陷损害快捷评价[J].煤矿安全,2012,43(7):200-202.
[7]王刚,郭广礼,李伶.开采沉陷区高等级公路观测站设计[J].煤矿安全,2011,42(8):101-104.
[8]戴华阳,蔡美峰,王金庄.基于倾角变化的最大下沉值计算方法[J].岩石力学与工程学报,2003(7):1083-1087.
[9]王兴科,王娟.基于优化支持向量机-混沌BP神经网络的基坑变形预测研究[J].隧道建设,2017,37(9):1105-1113.
[10]王素英,张喆,赵悦品.果蝇算法融合SVM的开采沉陷预测模型[J].煤矿安全,2014,45(5):43-46.
[11]范洪冬,邓喀中,薛继群,等.利用时序SAR影像集监测开采沉陷的试验研究[J].煤矿安全,2011,42(2):15-18.
[12]徐乃忠,戴华阳.厚松散层条件下开采沉陷规律及控制研究现状[J].煤矿安全,2008(11):53-55.
[13]严超.基于GA-SVM的主要影响角正切求取方法研究[J].黑龙江工程学院学报,2016,30(6):16-19.
[14]王素英,张喆,赵悦品.果蝇算法融合SVM的开采沉陷预测模型[J].煤矿安全,2014,45(5):43-46.
[15]梁强,吴柳燕,聂伟.基于SVM和概率统计的文本分类方法研究[J].柳州职业技术学院学报,2010,10(2):109-113.
[16]汤伏全,夏玉成,姚顽强.黄土覆盖矿区开采沉陷及其地面保护[M].北京:科学出版社,2011.
[17]杨帆,许强,戴岚欣.基于数据挖掘的支持向量机围岩分类方法研究[J].人民黄河,2017(7):135-138.
[18]王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报(自然科学版),2007(2):36-38,42.
[19]刘路民根.支持向量机径向基核参数优化研究[J].科学技术创新,2018(26):48-49.
[2]蔡来良,方茜,李春意,等.急倾斜煤层开采最大下沉值对数预计法[J].煤矿安全,2014,45(9):213-215.
[3]宋世杰,赵晓光,王双明.煤系覆岩中砂岩层数对开采沉陷的影响[J].煤矿安全,2014,45(11):60-63.
[4]李威,胡海峰,李俊芳.山区微地貌对开采沉陷规律的影响[J].煤矿安全,2014,45(10):211-213,217.
[5]侯利斌,翟英达,韩伟.李村煤矿开采沉陷规律数值模拟研究[J].煤矿安全,2013,44(4):58-61.
[6]贾哲,宋世杰,赵晓光.基于几何多边形法的榆神府矿区开采沉陷损害快捷评价[J].煤矿安全,2012,43(7):200-202.
[7]王刚,郭广礼,李伶.开采沉陷区高等级公路观测站设计[J].煤矿安全,2011,42(8):101-104.
[8]戴华阳,蔡美峰,王金庄.基于倾角变化的最大下沉值计算方法[J].岩石力学与工程学报,2003(7):1083-1087.
[9]王兴科,王娟.基于优化支持向量机-混沌BP神经网络的基坑变形预测研究[J].隧道建设,2017,37(9):1105-1113.
[10]王素英,张喆,赵悦品.果蝇算法融合SVM的开采沉陷预测模型[J].煤矿安全,2014,45(5):43-46.
[11]范洪冬,邓喀中,薛继群,等.利用时序SAR影像集监测开采沉陷的试验研究[J].煤矿安全,2011,42(2):15-18.
[12]徐乃忠,戴华阳.厚松散层条件下开采沉陷规律及控制研究现状[J].煤矿安全,2008(11):53-55.
[13]严超.基于GA-SVM的主要影响角正切求取方法研究[J].黑龙江工程学院学报,2016,30(6):16-19.
[14]王素英,张喆,赵悦品.果蝇算法融合SVM的开采沉陷预测模型[J].煤矿安全,2014,45(5):43-46.
[15]梁强,吴柳燕,聂伟.基于SVM和概率统计的文本分类方法研究[J].柳州职业技术学院学报,2010,10(2):109-113.
[16]汤伏全,夏玉成,姚顽强.黄土覆盖矿区开采沉陷及其地面保护[M].北京:科学出版社,2011.
[17]杨帆,许强,戴岚欣.基于数据挖掘的支持向量机围岩分类方法研究[J].人民黄河,2017(7):135-138.
[18]王睿.关于支持向量机参数选择方法分析[J].重庆师范大学学报(自然科学版),2007(2):36-38,42.
[19]刘路民根.支持向量机径向基核参数优化研究[J].科学技术创新,2018(26):48-49.