充填体强度的支持向量机设计匹配模型

• 作者: 吕文生 杨鹏 王志军 王志凯 王金海
• 来源期刊: 金属矿山
• 学科: 工学
• 关键词: 胶结充填充填体强度支持向量机 BP神经网络预测模型
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 采矿工程
• 页码范围: 34-38
• 页数: 5页
• 分类号: TD853
• 字数: 3220字
• 语种: 中文

摘要

充填体强度设计的预测受到多种高维度、非线性、随机性因素的影响.为改善当前充填体强度设计预测效果不佳的现状,使用支持向量机(SVM)方法在matlab软件中借助LibSVM工具箱建立充填体强度设计匹配模型.分析并筛选出8个主要因素作为条件属性,充填体强度作为决策属性,并挑选出72组训练样本和6组校验样本.模型选择径向基函数(RBF)为核函数,采用网格搜索法对参数寻优,再通过交叉验证检验最优参数组合.结果表明:SVM匹配模型做出的回归预测平均误差为1.94%,校验预测平均误差为2.23%,相对于BP神经网络模型,预测准确度更高.在保证采场稳定性的前提下,SVM匹配模型更为有效地减少水泥消耗、降低充填成本,提高企业经济效益.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鹏	北京科技大学土木与环境工程学院	78	745	14.0	23.0
3	吕文生	北京科技大学土木与环境工程学院	63	473	13.0	18.0
7	王志凯	北京科技大学土木与环境工程学院	13	74	4.0	8.0
13	王志军	北京科技大学土木与环境工程学院	3	9	2.0	3.0