基于遗传-支持向量机的分布式光纤监测矿压时序预测

• 作者: 柴敬 王润沛 雷武林
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 相空间 分布式光纤 遗传算法 支持向量机 神经网络
• 年，卷（期）: 2020,（32）
• 所属期刊栏目: 论文
• 页码范围: 13137-13142
• 页数: 6页
• 分类号: TD326.1
• 语种: 中文

摘要

为了有效地掌握岩层内部变形,准确预测开采过程中的矿压显现规律,采用分布式光纤监测覆岩内部变形并结合支持向量机计算方法,将光纤频移变化度作为主要特征参数,构建混沌矿压数据相空间,采用遗传算法(genetic algorithm,GA)对支持向量机回归(support vector machine regression,SVR)超参数寻优.开展相似材料模型试验,模拟工作面开采,并引入光纤频移变化度概念,建立GA-SVR时序预测模型.预测结果与传统回归模型和BP神经网络模型(BP neural network,BPNN)进行比较.结果表明,BPNN容易发生过拟合,传统SVR模型依赖超参数选取,GA-SVR模型在超参数选取上更科学,不容易发生过拟合,预测精度高于上述两种算法,为矿压时序预测定量化提供科学依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴敬		100	951	18.0	26.0
2	雷武林		14	28	3.0	5.0
3	王润沛		2	0	0.0	0.0