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。
辽宁工程技术大学学报(自然科学版) 
2008年第03期 
