遗传算法优化支持向量机矿产预测方法

摘要：

针对矿产预测中已知矿点的样本数目较少的问题,该文提出了一种基于遗传算法优化的支持向量机矿产预测方法.采用遗传算法优化支持向量机的惩罚因子和径向基核函数参数,避免了参数选择不当对支持向量机预测结果的影响,从而提高矿产预测的精度.以空间建模工具ArcSDM中的卡林型金矿床数据为例进行实验.结果表明,支持向量机模型的预测准确率为89.3％,查准率为70.2％;而证据权方法的预测准确率为79.4％,查准率为50％,均小于支持向量机预测结果,说明遗传算法优化的支持向量机是一种有效的矿产预测方法.

关键词：矿产预测、支持向量机、遗传算法、智能分类

所属期刊栏目：40

分类号：P208(一般性问题)

资助基金：中国地质调查局地质调查工作项目1212011220369;安徽省公益性地质工作项目2013-g-4;铜陵有色金属集团控股有限公司科技项目2013-17;中央高校基本科研业务费专项2013HGQC0024

在线出版日期：2015-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：106-109