期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于GA和LS-WSVM矿区地表下沉系数预测
被引量:
3
下载PDF
职称材料
导出
摘要
针对传统方法中预计地表下沉系数存在的缺陷,以我国典型的地表移动观测站数据为例,采用启发式算法遗传算法进行参数寻优,提出将小波理论与最小二乘支持向量机结合而成的最小二乘小波支持向量机的方法对地表下沉系数进行预测。实验结果表明,与改进的BP神经网络和PSO-SVM两种方法相比,基于GA和LS-WSVM矿区地表下沉系数预测方法收敛速度更快,精确度更高。
作者
范忻
汪云甲
张书建
机构地区
中国矿业大学环境与测绘学院
江苏省资源环境信息工程重点实验室
出处
《煤炭工程》
北大核心
2012年第6期97-99,共3页
Coal Engineering
关键词
地表下沉系数
遗传算法
最小二乘小波支持向量机
回归
分类号
TD325.4 [矿业工程—矿井建设]
引文网络
相关文献
节点文献
二级参考文献
62
参考文献
11
共引文献
185
同被引文献
24
引证文献
3
二级引证文献
4
参考文献
11
1
郭文兵,邓喀中,邹友峰.
地表下沉系数计算的人工神经网络方法研究[J]
.岩土工程学报,2003,25(2):212-215.
被引量:44
2
于宁锋,杨化超,邓喀中,张书毕.
基于PSO和SVM的矿区地表下沉系数预测[J]
.辽宁工程技术大学学报(自然科学版),2008,27(3):365-367.
被引量:18
3
黄磊,张书毕,张秋昭,姜波.
基于粒子群优化的BP神经网络在GPS高程拟合中的应用[J]
.测绘信息与工程,2009,34(6):18-20.
被引量:3
4
李元诚,方廷健.
小波支持向量机[J]
.模式识别与人工智能,2004,17(2):167-172.
被引量:13
5
任世锦,吴铁军.
基于径向基小波核的多尺度小波支持向量机[J]
.电路与系统学报,2008,13(4):70-76.
被引量:8
6
林继鹏,刘君华.
基于小波的支持向量机算法研究[J]
.西安交通大学学报,2005,39(8):816-819.
被引量:25
7
黄磊,张书毕,王亮亮,张秋昭.
粒子群最小二乘支持向量机在GPS高程拟合中的应用[J]
.测绘科学,2010,35(5):190-192.
被引量:28
8
戈海宾,张玉建,余同勇.
煤矿开采沉陷有效控制新途径的探讨[J]
.矿业安全与环保,2006,33(1):71-72.
被引量:13
9
煤炭科学研究院,北京开采研究所.煤矿地表移动与覆岩破坏规律及其应用[M].北京:煤炭工业出版社,1981.
10
邹友峰.
开采沉陷预计参数的确定方法[J]
.焦作工学院学报,2001,20(4):253-257.
被引量:56
二级参考文献
62
1
林继鹏,刘君华,凌振宝.
并行支持向量机算法及其应用[J]
.吉林大学学报(信息科学版),2004,22(5):453-457.
被引量:7
2
林继鹏,刘君华.
基于小波的支持向量机算法研究[J]
.西安交通大学学报,2005,39(8):816-819.
被引量:25
3
李方方,赵英凯,贾玉莹.
基于粒子群优化算法的神经网络在油品质量预测中的应用[J]
.计算机应用,2006,26(5):1122-1124.
被引量:11
4
谭志祥,邓喀中.
建筑物下采煤研究进展[J]
.辽宁工程技术大学学报(自然科学版),2006,25(4):485-488.
被引量:21
5
白江斌,金慰刚,张建华.
基于粒子群的模糊神经网络[J]
.东北电力技术,2007,28(2):16-19.
被引量:4
6
刘成龙,杨天宇.
基于BP神经网络的GPS高程拟合方法的探讨[J]
.西南交通大学学报,2007,42(2):148-152.
被引量:30
7
何国清.矿山开采沉陷学[M].江苏:中国矿业大学出版社,1994.6.
8
国家煤炭工业局.建筑物、水体、铁路及主要井巷煤柱留设与压煤开采规程[M].北京:煤炭工业出版社,2000..
9
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.
10
耿德庸 仲惟林.用岩性综合评价系数P确定地表移动的基本参数[J].煤炭学报,1990,(4):13-24.
共引文献
185
1
车畅,胡丹,彭宏.
线性规划支持向量机在非线性系统辨识中的应用[J]
.西南民族大学学报(自然科学版),2006,32(5):1007-1011.
被引量:1
2
侯巍,王庆义,邓成伟.
减轻煤炭开采中地表沉陷的技术浅析[J]
.科技信息,2008(28).
被引量:3
3
卢辉,刘长星.
现代测绘技术在矿山开采沉陷中的应用[J]
.测绘标准化,2009,24(2):39-42.
被引量:7
4
周大伟,安士凯,张静,张力民.
概率积分参数选取的主成分回归分析[J]
.辽宁工程技术大学学报(自然科学版),2013,32(11):1528-1532.
被引量:6
5
郭文兵,黄成飞,陈俊杰.
厚湿陷黄土层下综放开采动态地表移动特征[J]
.煤炭学报,2010,35(S1):38-43.
被引量:59
6
张丽萍,于锐,黄超群.
矿山地表移动ARMA预测模型[J]
.煤炭学报,2011,36(S2):375-379.
被引量:4
7
李培现,谭志祥,闫丽丽,邓喀中.
基于支持向量机的概率积分法参数动态时序预报[J]
.煤炭学报,2011,36(S2):380-385.
被引量:15
8
方建勤,夏才初,颜荣贵.
岩体疏干的裂隙空隙扩散型沉陷研究[J]
.公路交通科技(应用技术版),2010,6(11):340-344.
9
刘大胜,高礼奎.
毛集区非稳沉塌陷区土地动态复垦治理[J]
.煤炭工程,2013,45(S1):14-15.
被引量:2
10
郑根生,高西林,郭文兵.
坤城煤矿村庄下压煤条带开采技术研究[J]
.煤矿开采,2004,9(3):27-30.
被引量:4
同被引文献
24
1
陈俊杰,郭延涛.
基于灰色系统理论的概率积分法参数确定研究[J]
.测绘通报,2012(S1):116-118.
被引量:8
2
李培现,谭志祥,闫丽丽,邓喀中.
基于支持向量机的概率积分法参数动态时序预报[J]
.煤炭学报,2011,36(S2):380-385.
被引量:15
3
何晖,赵敏,林开升.
基于神经网络的地表下沉系数计算[J]
.有色金属,2004,56(3):90-93.
被引量:5
4
罗战友,杨晓军,龚晓南.
基于支持向量机的边坡稳定性预测模型[J]
.岩石力学与工程学报,2005,24(1):144-148.
被引量:66
5
余志雄,周创兵,李俊平,史超.
基于ν-SVR算法的边坡稳定性预测[J]
.岩石力学与工程学报,2005,24(14):2468-2475.
被引量:40
6
何国清 杨伦 凌赓娣 等.矿山开采沉陷学[M].徐州:中国矿业大学出版社,1994.6.
7
于宁锋,杨化超,邓喀中,张书毕.
基于PSO和SVM的矿区地表下沉系数预测[J]
.辽宁工程技术大学学报(自然科学版),2008,27(3):365-367.
被引量:18
8
陈祖云,张桂珍,邬长福,杨胜强.
基于支持向量机的边坡稳定性预测研究[J]
.中国安全生产科学技术,2009,5(4):101-105.
被引量:10
9
张海波,宋卫东,许英霞.
充填采矿技术应用发展及存在问题研究[J]
.黄金,2010(1):23-25.
被引量:48
10
李培现,谭志祥,闫丽丽,邓喀中.
基于支持向量机的概率积分法参数计算方法[J]
.煤炭学报,2010,35(8):1247-1251.
被引量:41
引证文献
3
1
陈宏念,谭志祥,高明章,刘玮璞.
基于GA-SVM的条带开采下沉系数预测[J]
.煤炭技术,2016,35(5):89-91.
被引量:1
2
彭杰帅,宋文杰,邓仁贵.
基于随机森林算法的地表下沉系数预测研究[J]
.湖南有色金属,2018,34(4):1-3.
被引量:3
3
熊睿.
基于支持向量机模型的地表下沉系数计算参数寻优[J]
.采矿技术,2021,21(6):108-111.
二级引证文献
4
1
杨耀淇,肖武,李素萃.
压煤村庄搬迁用地的新理念研究[J]
.江苏农业科学,2018,46(16):238-241.
被引量:1
2
吴贤国,杨赛,陈虹宇,高飞,黄汉洋.
基于随机森林的支持向量机混凝土早期抗裂性预测研究[J]
.工业建筑,2020,50(9):99-105.
被引量:3
3
王祥,陈发达,刘凯,吴贤国,陈彬.
基于随机森林-支持向量机隧道盾构引起建筑物沉降研究[J]
.土木工程与管理学报,2021,38(1):86-92.
被引量:15
4
栾元重,纪赵磊,崔诏,梁耀东.
基于组合权重的地表下沉系数预测分析[J]
.煤炭科学技术,2022,50(4):223-228.
被引量:3
1
文冬光,刘文华.
在生产矿井中用变幅系数预测各水平最大涌水量[J]
.中国煤田地质,1994,6(1):55-58.
2
于宁锋,杨化超,邓喀中,张书毕.
基于PSO和SVM的矿区地表下沉系数预测[J]
.辽宁工程技术大学学报(自然科学版),2008,27(3):365-367.
被引量:18
3
陈宏念,谭志祥,高明章,刘玮璞.
基于GA-SVM的条带开采下沉系数预测[J]
.煤炭技术,2016,35(5):89-91.
被引量:1
4
张宏贞,邓喀中,刘洪义.
老采空区残余下沉系数的神经网络模型研究[J]
.采矿与安全工程学报,2009,26(3):322-326.
被引量:9
5
莫勇刚,丁德馨,肖猛.
改进的BP神经网络在边坡稳定性评价中的应用[J]
.矿冶,2006,15(2):9-12.
被引量:12
6
杨婷.
基于神经网络的电机功率平衡控制器的设计[J]
.科技情报开发与经济,2009,19(4):221-222.
被引量:1
7
邵剑生,薛惠锋.
基于PSO-SVM的煤与瓦斯突出强度预测模型[J]
.西华大学学报(自然科学版),2012,31(1):63-66.
被引量:11
8
王拂晓,谭志祥,邓喀中.
基于GA-GRNN的地表下沉系数预测方法研究[J]
.煤炭工程,2014,46(7):94-96.
被引量:12
9
卫军,张立敏.
复杂机械结构的煤矿设备安全性分析[J]
.煤矿机械,2013,34(2):89-91.
10
郭雅利,王永成,苏壮飞,徐国鹏,吴大为.
基于粒度级分配率的带有气动式击打器的精煤泥弧形筛工艺指标预测[J]
.选煤技术,2016,44(2):37-42.
被引量:4
煤炭工程
2012年 第6期
职称评审材料打包下载
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...
;
用户登录
登录
IP登录
使用帮助
返回顶部