露天煤矿边坡稳定性预测的PSO-LSSVM模型

• 作者: 张波 温廷新
• 来源期刊: 有色金属（矿山部分）
• 学科: 工学
• 关键词: 粒子群算法 最小二乘支持向量机 边坡稳定性
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 边坡工程
• 页码范围: 51-56
• 页数: 6页
• 分类号: TD824.7+1
• 字数: 3981字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-4172.2014.01.014

摘要

针对边坡工程稳定性预测的复杂性,将粒子群算法和最小二乘支持向量机结合,使用粒子群优化算法寻找最小二乘支持向量机的最优参数,选取七项因素(岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力和振动系数)作为边坡稳定性的影响因素,建立PSO-LSSVM的边坡稳定性预测模型.利用矿山实测30组边坡稳定性数据进行学习训练,另用12组数据进行测试,同时与LSSVM测试数据进行比较,验证了PSO-LSSVM模型在矿山边坡稳定性预测中有较高的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温廷新	辽宁工程技术大学系统工程研究所	68	340	10.0	14.0
2	张波	辽宁工程技术大学系统工程研究所	17	139	6.0	11.0