采空区危险性的支持向量机识别

摘要：

针对采空区危险性影响因素与其危险性等级之间存在着复杂非线性关系的特点，笔者提出采用支持向量机最优分类理论来识别采空区的危险性等级。研究选取岩体结构、地质构造、岩石抗压强度、弹性模量、采空区形状、矿体倾角、高跨比、空区体积等8个参数作为主要影响因素，根据支持向量机理论，提出了1-V-1的采空区分类算法，并在 Matlab 中编程，建立了分类预测的SVM 模型。以某矿山的实测采空区为例，利用该模型进行了识别，并与 BP 神经网络预测结果作对比。实例研究表明，采用该方法的分类结果比神经网络更准确，与采空区调查结果一致性好，用支持向量机理论进行采空区危险性评价是可行的。

关键词：采空区、危险性评价、支持向量机、最优分类

分类号：TD76;TD05(矿山安全与劳动保护)

资助基金：国家高技术研究发展计划863计划资助项目2011AA060407；西安建筑科技大学学科重点培育计划基金资助项目E09003；“濮耐”教育奖学金青年教师科研基金。Supported by National High-tech R＆D Program of China863 Program;Discipline Construction Project of Xi’an University of Architecture and TechnologyE09003;Research Fund for Young Teachers of PuNai Education Scholarship．

在线出版日期：2015-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：85-90,127