基于PSO和SVM的矿区地表下沉系数预测

• 作者: 于宁锋 张书毕 杨化超 邓喀中
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 地表下沉系数 粒子群优化 支持向量机 回归
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 土木与力学工程
• 页码范围: 365-367
• 页数: 3页
• 分类号: TD325|TP183
• 字数: 2635字
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0562.2008.03.014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张书毕	中国矿业大学环境与测绘学院	152	1360	18.0	28.0
2	邓喀中	中国矿业大学环境与测绘学院	257	4604	37.0	53.0
3	杨化超	中国矿业大学环境与测绘学院	62	668	15.0	22.0
4	于宁锋	中国矿业大学环境与测绘学院	4	72	4.0	4.0