机器学习辅助下的概率积分法参数预计模型寻优

• 作者: 刘潇鹏 徐良骥 沈震 王振兵 秦长才
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 概率积分法预计参数 支持向量机 BP神经网络 偏最小二乘法 模型寻优
• 年，卷（期）: 2016,（10）
• 页码范围: 35-38
• 页数: 4页
• 分类号: P258
• 语种: 中文
• DOI: 10.13474/j.cnki.11-2246.2016.0324

摘要

收集整理了多组地表移动观测站资料作为训练样本和检验样本，以工作面地质采矿条件为输入集，概率积分法预计参数为输出集，利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP 神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练，利用训练所得模型预测检验样本中的概率积分法预测参数，并将预测结果与观测站实测值进行对比。结果表明，利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高，其平均相对误差分别达到7.46%、4.00%、13.17%；拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高，平均相对误差分别为10.83%、0.88%；总体而言支持向量机的预测精度最为稳定。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐良骥	安徽理工大学测绘学院	65	483	12.0	19.0
2	沈震	安徽理工大学测绘学院	9	51	3.0	7.0
3	秦长才	安徽理工大学测绘学院	7	76	5.0	7.0
4	刘潇鹏	安徽理工大学测绘学院	7	17	3.0	3.0
5	王振兵	安徽理工大学测绘学院	6	18	3.0	4.0