10.3969/j.issn.0253-6099.2014.04.004
金属矿采空区危险性判别的PCA-SVM模型研究
为了有效合理地判别金属矿采空区的危险性,引入主成分分析法(PCA)及支持向量机(SVM),建立了PCA-SVM判别模型。搜集国内金属矿40组采空区失稳资料,首先利用主成分分析法对采空区失稳因素进行降维处理,消除各因素之间的冗余,获取样本集主要信息。然后利用支持向量机对保留的主成分数据进行建模,并引入遗传算法对SVM模型参数进行优化,改善SVM模型的判别效果。对判别模型进行训练及检验,结果表明,该模型对训练样本和检验样本的判别精度分别达到100%及90%。最后将该模型运用于工程实际中,其判别结果与实际情况相符,表明该模型在工程实际中具有一定的应用价值。
采空区、危险性判别、主成分分析、支持向量机
TD325(矿山压力与支护)
国家科技支撑计划2013BAB02B05和2012BAB08B01;中南大学教师基金2013JSJJ029;国家自然科学基金和上海宝钢集团公司联合资助51074177
2014-09-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
16-19