矿山地质环境评价模型的改进SVM算法

发布时间：2017-09-13 21:38

  本文关键词：矿山地质环境评价模型的改进SVM算法

  更多相关文章： SVM 矿山地质环境 比特压缩 加权支持向量机 BP 神经网络

【摘要】：经典SVM(Support vector machine)算法使用的对象样本较大、运算速度较慢,难以对矿山地质环境进行有效评价,故对其进行了改进,提出了一种改进SVM算法的矿山地质环境评价模型。该算法利用比特压缩原理,首先将样本数据进行比特压缩;然后用加权支持向量机训练分类器实现样本压缩,提高收敛速率。采用江西某矿区的实测数据分别对BP神经网络算法、经典SVM算法与改进SVM算法构建的评价模型进行对比分析,结果表明:1改进SMV算法构建的评价模型输出误差、收敛速率均优于BP神经网络算法建立的模型,经典SVM算法与改进SVM算法建立的评价模型的输出误差相近,但改进SVM算法构建的模型的收敛速率较高;2改进SMV算法随着比特压缩位数的增大,训练样本缩减率逐渐增大,即在样本数量减少、训练时间缩短、收敛速率提高的情况下,模型输出误差可基本保持不变。可见,采用改进SMV算法构建的评价模型,不仅提高了模型的训练速率,而且降低了样本数据量,可对矿山地质环境进行有效评价。
【作者单位】： 包头轻工职业技术学院电子商务学院;
【关键词】： SVM 矿山地质环境 比特压缩 加权支持向量机 BP 神经网络
【分类号】：TD167
【正文快照】： 近年来,随着矿山开发进程的加快,各类地质环境问题频发,给矿山正常生产、矿区人民生产生活造成了较大威胁。对矿山地质环境问题进行有效评价,对于合理布置矿区生产勘探、制定开发规划、保护矿区生态环境有较大价值[1-3]。对此,冯进程等[4]使用物元分析法对小秦岭金矿区的地质

【相似文献】

中国期刊全文数据库 前1条

1 刘国栋;;基于海量煤炭采集文本数据的可扩展SVM算法的研究与应用[J];煤炭技术;2013年05期

，

本文编号：846053