| 支持向量机在边坡稳定性预测中的应用 |
| |
| 引用本文： | 饶运章,黄永刚,张永胜.支持向量机在边坡稳定性预测中的应用[J].工业安全与环保,2016(7). |
| |
| 作者姓名： | 饶运章 黄永刚 张永胜 |
| |
| 作者单位： | 1. 江西理工大学资源与环境工程学院 江西赣州341000; 江西省稀土资源高效利用重点实验室 江西赣州341000;2. 江西理工大学资源与环境工程学院 江西赣州341000;3. 广东明源勘测设计有限公司 广东河源517000 |
| |
| 基金项目： | 国家高技术研究发展计划项目(863计划)(2012AA061901)，2011年度江西省安全生产重大课题(JXAJ2011002)。 |
| |
| 摘 要： | 针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。
|
| 关 键 词： | 离子型稀土矿 边坡稳定性 支持向量机 预测模型 网格参数寻优算法 遗传算法 粒子群寻优算法 |
Application of Support Vector Machine in Prediction of Slope Stability |
| |
| Abstract: | In order to analyze the stability problem of the in -situ leaching slope of the ion rare earth ,a slope stability pre-diction model support vector machine (SVM ) model is proposed .The parameters of SVM model are calculated by using grid search ,genetic algorithm (GA) and particle swarm optimization (PSO) .The parameters of three kinds of algorithms are analyzed and compared ,and the optimal parameters of SVM regression model for the prediction of slope stability of the in -situ leaching of ionic rare earth are determined . |
| |
| Keywords: | ionic rare earth ore slope stability support vector machine prediction model grid parameter optimiza-tion algorithm genetic algorithm particle swarm optimization algorithm |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
