基于PSO和SVM的矿区地表下沉系数预测_中国煤炭行业知识服务平台

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

[1]概率积分法参数反演的文化-随机粒子群优化算法