巷道围岩稳定性分类的GSM-SVM预测模型

摘要：

为准确预测巷道围岩稳定性类别,提出了基于网格搜索法(GSM)优化支持向量机(SVM)的巷道围岩稳定性预测模型.选取22组巷道围岩数据作为学习样本,以水平地应力与巷道夹角、顶板岩性、水的影响和巷道断面积4个指标作为模型输入,巷道围岩稳定程度作为模型输出,同时为增强模型的泛化性能和预测精度,采用改进的网格搜索方法优化支持向量机参数,最终构建基于GSM-SVM的巷道围岩稳定性预测模型.然后运用该模型对8组巷道围岩数据进行预测,并同BP神经网络模型的结果进行对比.结果表明,GSM-SVM模型的预测结果与实际结果吻合,正确率达98％,具有比BP神经网络模型更高的精度.

关键词：围岩稳定性分类、支持向量机、网格搜索、预测模型、BP神经网络

所属期刊栏目：48

分类号：TD322+.4(矿山压力与支护)

资助基金：国家自然科学基金资助项目41301015;河北省教育厅重点资助项目ZD2015073,ZD2016038;石家庄经济学院国家自然科学基金预研基金资助项目syy201308

在线出版日期：2017-08-08（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：200-203