期刊文献+

基于支持向量机的主要影响角正切求取方法研究 被引量:5

Study on the Tangent Calculation Method of the Main Influencing Angle Based on SVM
下载PDF
导出
摘要 主要影响角正切是开采沉陷预计的重要参数,对于地表影响范围的确定具有重要的意义。在综合分析主要影响角正切与地质采矿条件之间关系的基础上,运用我国典型的地表移动观测站资料作为学习训练样本,通过合理地选择SVM中的核函数,惩罚参数C,不敏感损失参数ε,建立了主要影响角正切与各影响因素的SVM回归关系模型,并用此模型对检验样本进行预测。结果表明,用支持向量机方法求算主要影响角正切具有较高的精度,可以在实际工程中进行推广应用。该方法可以综合考虑多种因素对主要影响角正切的影响,为今后快速准确地求取主要影响角正切提供了一个新的方法。 The tangent of the main influencing angle is an important parameter for mining subsidence prediction and surface displacement range demarcation.On the basis of the relationship analysis between the tangent of the main influencing angle and the geologic and mining conditions,the data from the typical ground movement observation stations of China was used as training samples.With a reasonable selection of kernel function of SVM,penalty parameter C and insensitive loss parameter ε,a SVM regression relationship model of the tangent of the main influencing angle and the other factors was established to predict on the samples.The results showed that the SVM prediction method is accuracy and can be applied to the actual engineering.Multiple influence factors could be considered comprehensively in this method,and a new approach to quickly and accurately calculate the tangent of the main influencing angle is proposed for the future.
出处 《金属矿山》 CAS 北大核心 2010年第5期120-123,共4页 Metal Mine
基金 国家自然科学基金项目(编号:40772191) "十一五"国家科技支撑计划重点项目(编号:2006BAC09B01) 江苏省普通高校研究生科研创新计划项目(编号:CX08B-111Z)
关键词 支持向量机 主要影响角正切 开采沉陷 SVM Tangent of the main influencing angle Mining subsidence
  • 相关文献

参考文献6

二级参考文献40

  • 1邱向荣.岩溶塌陷稳定性的灰色模糊综合评判[J].水文地质工程地质,2004,31(4):58-61. 被引量:37
  • 2陈守煜.模糊最优归类理论模型及其在围岩稳定性分类与场地土类别评定中的应用[J].水利学报,1993,25(12):26-36. 被引量:37
  • 3张发旺,贾秀梅,赵华.灰色统计方法及其在岩溶塌陷预测分析中的应用[J].河北地质学院学报,1996,19(2):144-150. 被引量:9
  • 4何国清.矿山开采沉陷学[M].江苏:中国矿业大学出版社,1994.6.
  • 5冯夏庭 朱维申.智能岩石力学在地下工程中的应用[J].岩石力学与工程学报,1999,18:822-825.
  • 6楼顺天 施阳.基于MATLAB的系统分析与设计--神经网络[M].西安:西安电子科技大学出版社,2000..
  • 7闻新.Matlab神经网络应用设计[M].北京:科学出版社,2001..
  • 8冯夏庭, 张奇志, 林韵梅. 矿岩设计参数神经网络预报[A], 中国岩石力学与工程学会第三次大会论文集[C], 北京:中国科学技术出版社, 1994.
  • 9Burge CJC.A Tutorial on support vector machines for pattern recognition[J]. Data mining and knowledge discovery, 1998, (2): 121-167.
  • 10John C Platt.Sequential minimal optimization: A fast algorithm for training support vector machines[R], Technical Report MSR-TR-98-14, Redmond, Wash: Microsoft research, 1998.

共引文献202

同被引文献41

引证文献5

二级引证文献18

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部