• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于PSO和SVM的矿区地表下沉系数预测
  • 作者

    于宁锋杨化超邓喀中张书毕

  • 单位

    中国矿业大学环境与测绘学院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

  • 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

  • 基金项目(Foundation)
    国家自然科学基金资助项目(50471046);
  • 相关文章
相关问题
立即提问

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联