基于FOA-SVR模型的矿井底板突水量预测应用研究
矿井突水是常见的突发性强烈的矿井灾害.为了更好地预防矿井水灾,降低灾害造成的物质损失,减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数.针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差作为特征因素.然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量.结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明:该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值.
矿井突水、突水量预测、参数优化、FOA-SVR模型
28
TD745(矿山安全与劳动保护)
国家重点研发计划项目"水灾应急决策支持专家系统"资助2017YFC0804108;北京市科技创新服务能力建设-基本科研业务费科研类项目资助71E1810969
2019-06-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-91,130