基于人工蜂群算法优化支持向量机的采场底板破坏深度预测

• 作者: 张宏伟 朱志洁 王春明
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 蜂群算法(ABCA) 支持向量机(SVM) 底板破坏深度 仿真预测
• 年，卷（期）: 2015,（6）
• 页码范围: 37-43
• 页数: 7页
• 分类号: TD327.2
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2015.06.006

摘要

为确定合理的底板防水煤岩柱尺寸，减少底板突水安全事故的发生，利用支持向量机（SVM）与人工蜂群算法（ABCA）综合研究底板破坏深度问题。由于 SVM 训练参数惩罚因子 C 和核函数宽度 g 的选择对预测精度的影响显著，采用 ABCA 优化该训练参数的选择过程，建立基于SVM 的底板破坏深度预测模型。选取采深、煤层倾角、采厚、工作面斜长、底板抗破坏能力和是否有切穿断层或破碎带作为影响底板破坏深度的主要影响指标，利用现场实测的30组数据作为样本对该模型进行训练和预测。结果表明：该预测模型的平均相对误差为12．5％，平均绝对误差为0．986 m，均方误差为0．005，平方相关系数为0．980，较其他预测模型具有更强的泛化能力和更高的预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宏伟	辽宁工程技术大学矿业学院	138	1783	22.0	35.0
2	王春明		4	12	1.0	3.0
3	朱志洁	辽宁工程技术大学矿业学院	26	264	8.0	15.0