基于LS-SVR岩石爆破块度预测

• 作者: 史秀志 史采星 王洋 黄丹
• 来源期刊: 爆破
• 学科: 工学
• 关键词: 支持向量机 最小二乘支持向量机回归 LS-SVMlab 岩石块度 小样本预测
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 理论研究
• 页码范围: 36-40
• 页数: 5页
• 分类号: TD235
• 字数: 3890字
• 语种: 中文
• DOI: 10.3963/j.issn.1001-487X.2016.03.007

摘要

为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数.分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验.结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史秀志	中南大学资源与安全工程学院	163	1691	22.0	32.0
2	黄丹	中南大学资源与安全工程学院	16	119	7.0	10.0
3	王洋	中南大学资源与安全工程学院	24	61	4.0	6.0
4	史采星	中南大学资源与安全工程学院	4	20	3.0	4.0