江西盘古山钨矿区开采沉陷预计的GA-SVA算法

• 作者: 陈慧 韩恒梅
• 来源期刊: 金属矿山
• 学科: 工学
• 关键词: 开采沉陷 概率积分法 遗传算法 支持向量机 数字高程模型
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 地质与测量
• 页码范围: 143-146
• 页数: 4页
• 分类号: TD325
• 字数: 1655字
• 语种: 中文
• DOI: 10.19614/j.cnki.jsks.201801028

摘要

传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计.以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vectormachine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法.首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计.研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevationmodel,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩恒梅	平顶山工业职业技术学院资源开发学院	22	36	4.0	5.0
2	陈慧	黄河水利职业技术学院测绘工程学院	18	21	3.0	4.0