基于SVR组合模型的边坡位移预测研究

• 作者: 于良 冯腾飞 刘小生
• 来源期刊: 金属矿山
• 学科: 地球科学
• 关键词: 支持向量回归机 组合模型 边坡位移预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 安全与环保
• 页码范围: 184-187
• 页数: 4页
• 分类号: P258
• 字数: 3642字
• 语种: 中文
• DOI: 10.19614/j.cnki.jsks.201802034

摘要

为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题.提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型.将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势.

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	冯腾飞	江西理工大学建筑与测绘工程学院	4	12	2.0	3.0
3	于良	江西理工大学建筑与测绘工程学院	6	14	2.0	3.0