基于自适应PSO和SVR的矿坝位移预测

• 作者: 赵杰 李英 吴晓云
• 来源期刊: 电子测量技术
• 关键词: 位移预测 回归型支持向量机 粒子群优化
• 年，卷（期）: 2020,（19）
• 所属期刊栏目: 研究与设计|Research and Design
• 页码范围: 27-31
• 页数: 5页
• 分类号: TD178
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004658

摘要

矿坝位移预测是矿山矿库安全监测的重要内容,为进一步提高矿坝位移预测的精度,以回归型支持向量机为基础,提出一种尾矿坝位移预测算法;同时利用自适应粒子群优化方式,采用启发式算法寻找支持向量机参数,降低了传统支持向量回归人工选择最佳参数的困难.通过建立自适应粒子群-支持向量回归(PSO-SVR)的尾矿库坝体位移预测模型,并结合某尾矿坝变形监测实际数据进行预测.实验结果表明,相对于传统统计回归和神经网络方法,该模型针对矿坝位移预测精度有较大提升,有良好的实用性.