基于PCA-GA-SVM的露天矿爆破振动速度预测模型研究
露天矿爆破振动速度受很多因素的影响,传统的经验公式和单一的神经网络模型无法满足现代爆破安全的要求.为提高预测爆破振动速度的精度,利用主成分分析(PCA)提取4个影响爆破振动速度的主成分作为模型的输入变量;结合遗传算法(GA)寻优获得支持向量机(SVM)惩罚系数c和核函数参数g为1.8991和1.9712,建立了基于PCA-GA-SVM的露天矿爆破振动速度预测模型,并成功应用于现场爆破工程.结果表明:该模型的平均相对误差为14.60%,建模时间为3.12 s,均方误差为0.1315,与BP神经网络、传统SVM和GA-SVM对比,此模型具有更快的收敛速度和更高的准确率,为多因素影响下爆破振动速度预测提供了一种新的方法.
爆破振动速度;主成分分析;支持向量机;遗传算法;预测
27
TD824(矿山开采)
国家自然科学基金资助项目51974318
2021-09-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
22-28,39