巷道围岩稳定性分类的GSM-SVM预测模型

• 作者: 周爱红 王晨晖 袁颖
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 围岩稳定性分类 支持向量机 网格搜索 预测模型 BP神经网络
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 分析·探讨
• 页码范围: 200-203
• 页数: 4页
• 分类号: TD322+.4
• 语种: 中文
• DOI: 10.13347/j.cnki.mkaq.2017.06.053

摘要

为准确预测巷道围岩稳定性类别,提出了基于网格搜索法(GSM)优化支持向量机(SVM)的巷道围岩稳定性预测模型.选取22组巷道围岩数据作为学习样本,以水平地应力与巷道夹角、顶板岩性、水的影响和巷道断面积4个指标作为模型输入,巷道围岩稳定程度作为模型输出,同时为增强模型的泛化性能和预测精度,采用改进的网格搜索方法优化支持向量机参数,最终构建基于GSM-SVM的巷道围岩稳定性预测模型.然后运用该模型对8组巷道围岩数据进行预测,并同BP神经网络模型的结果进行对比.结果表明,GSM-SVM模型的预测结果与实际结果吻合,正确率达98％,具有比BP神经网络模型更高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周爱红	河北地质大学勘查技术与工程学院	15	40	4.0	5.0
2	袁颖	河北地质大学勘查技术与工程学院	23	62	5.0	6.0
3	王晨晖	河北地质大学勘查技术与工程学院	4	11	2.0	3.0