基于灰色关联分析与SVM的概率积分法参数预测

论文摘要

为了准确预测淮南矿区缺少观测站的矿井工作面概率积分法参数,基于灰色关联分析与支持向量机原理建立了灰色关联分析（GRA）-支持向量机（SVM）模型,利用MATLAB中的Libsvm工具箱对选取的26组淮南矿区主要矿井工作面观测站数据进行训练和预测,并用实测数据对模型进行测试。模型预测的最大相对误差为5.52%,最大平均误差百分率为3.67%,最小泛化性能值为0.7959。测试结果表明灰色关联分析-支持向量机模型可以通过限制模型训练过程中的权值和阈值范围提高训练效率,并且具有实际预测价值和较高的预测精度,能够作为一种有效的概率积分法参数预测方法。

论文目录

• 0 引言
• 1 概率积分法参数与灰色关联分析法
•   1.1 概率积分法参数与地质采矿因素之间的关系
•   1.2 灰色关联分析法的原理
•   1.3 概率积分法参数的灰色关联分析
• 2 基于GRA与SVM的概率积分法参数预测模型
•   2.1 支持向量机的原理
•   2.2 模型的建立与求解
•   2.2 模型训练精度评定
• 3 模型测试
• 4 结束语

文章来源

类型: 期刊论文

作者: 叶伟

关键词: 地质影响因素,概率积分法参数,灰色关联分析,支持向量机,参数预测

来源: 北京测绘 2019年07期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑,信息科技

专业: 非线性科学与系统科学,自然地理学和测绘学,矿业工程,自动化技术

单位: 安徽理工大学测绘学院

分类号: TP181;N941.5;TD17

DOI: 10.19580/j.cnki.1007-3000.2019.07.027

页码: 858-862

总页数: 5

文件大小: 145K

下载量: 126