基于改进DE-LSSVM模型的边坡变形预测

• 作者: 刘小生 喻明明
• 来源期刊: 矿山测量
• 学科: 地球科学
• 关键词: 预测模型 最小二乘支持向量机 变形预测 差分演化算法
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 开采沉陷
• 页码范围: 1-5
• 页数: 5页
• 分类号: P2
• 字数: 3942字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-358X.2017.04.001

摘要

针对目前最小二乘支持向量机(LSSVM)在预测算法中存在的不足,通过改变差分演化算法(DE)中的缩放因子个数、杂交概率的个数和变异策略来建立改进DE-LSSVM预测模型,利用某矿山的边坡观测数据.结果表明,基于改进DE-LSSVM预测模型有较优的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘小生	江西理工大学建筑与测绘工程学院	88	532	12.0	17.0
2	喻明明	江西理工大学建筑与测绘工程学院	2	2	1.0	1.0