矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。