基于网格搜索法优化支持向量机的围岩稳定性分类模型

发布时间：2021-08-01 17:23

　　为科学评价围岩稳定性,本次研究借助支持向量机（SVM）处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法（GSM）寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 

【文章来源】：地质与勘探. 2019,55(02)北大核心CSCD

【文章页数】：6 页

【文章目录】：
0 引言
1 支持向量机算法
2 基于GSM的SVM参数优化
3 巷道围岩稳定性分类的SVM模型及应用
    3.1 模型输入输出的确定
    3.2 样本的归一化
    3.3 参数寻优
    3.4 学习样本回判与预测结果分析
4 结论


【参考文献】：
期刊论文
[1]内蒙古干珠尔善德银铅锌矿床的短波红外光谱研究[J]. 刘碧洪,刘鹤.  地质与勘探. 2016(04)
[2]云南普朗斑岩铜矿床热液蚀变及脉体系统研究[J]. 王凯,杨帆,李峰,坚润堂,孙玉海,杨涛,李芙蓉.  地质与勘探. 2016(03)
[3]西天山智博铁矿地球化学特征及地质意义[J]. 马方彬,杜杨松,李大鹏,涂伟,王开虎,白玉.  地质与勘探. 2016(01)
[4]基于网格搜索-支持向量机的采场顶板稳定性预测[J]. 郭超,宋卫华,魏威.  中国安全科学学报. 2014(08)
[5]基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究[J]. 邱道宏,李术才,薛翊国,田昊,闫茂旺.  岩土力学. 2014(07)
[6]基于信息融合与GA-SVM的煤矿瓦斯浓度多传感器预测模型研究[J]. 郭瑞,徐广璐.  中国安全科学学报. 2013(09)
[7]基于改进变权物元可拓模型的围岩稳定性评价[J]. 王洪德,曹英浩.  中国安全科学学报. 2013(08)
[8]基于模糊数学法的煤矿巷道锚杆支护围岩分类识别[J]. 张文华.  煤炭技术. 2013(06)
[9]地下洞室围岩稳定性分析方法简述[J]. 邓声君,陆晓敏,黄晓阳.  地质与勘探. 2013(03)
[10]基于FIG-SVM的煤矿瓦斯浓度预测[J]. 刘俊娥,杨晓帆,郭章林.  中国安全科学学报. 2013(02)

博士论文
[1]支持向量机算法及其应用研究[D]. 张国云.湖南大学 2006



本文编号：3315934