本文選題：地下儲(chǔ)氣庫(kù)洞室群 + 最小二乘支持向量機(jī)��； 參考：《爆破》2017年03期

【摘要】：超大斷面小凈距地下儲(chǔ)氣庫(kù)洞室群開(kāi)挖爆破工程中涉及到眾多的影響因素,傳統(tǒng)人工智能方法難以對(duì)爆破峰值振動(dòng)速度準(zhǔn)確預(yù)測(cè)。為了提高預(yù)測(cè)精度,引入粒子群算法,對(duì)傳統(tǒng)的最小二乘支持向量機(jī)模型(LS-SVM)進(jìn)行優(yōu)化并建立粒子群最小二乘支持向量機(jī)爆破峰值振動(dòng)速度預(yù)測(cè)模型(PSO-LSSVM)。以某地下儲(chǔ)氣庫(kù)洞室群開(kāi)挖爆破工程為研究對(duì)象,應(yīng)用PSO-LSSVM模型,將PSO-LSSVM模型與LS-SVM模型、薩道夫斯基經(jīng)驗(yàn)公式的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,得到三種預(yù)測(cè)的結(jié)果平均絕對(duì)相對(duì)誤差分別為:5.50%、8.56%、23.45%。由此可見(jiàn),PSO-LSSVM模型的預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)擬合度更高,精確度更滿足工程需求,可為多因素作用下類似工程爆破峰值振動(dòng)速度預(yù)測(cè)提供借鑒。
[Abstract]:In order to improve the prediction accuracy , the PSO - LSSVM model is used to optimize the traditional least square support vector machine model ( LS - SVM ) and to establish a particle swarm least square support vector machine blasting peak vibration velocity prediction model ( PSO - LSSVM ) .
【作者單位】： 中國(guó)地質(zhì)大學(xué)(武漢)巖土鉆掘與防護(hù)教育部工程研究中心;中國(guó)地質(zhì)大學(xué)(武漢)工程學(xué)院;中交第二航務(wù)工程局有限公司博士后科研工作站;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(41672260) 中國(guó)地質(zhì)大學(xué)(武漢)教學(xué)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(SKJ2014061、SKJ2016091)
【分類號(hào)】：O382;TP18
，

本文編號(hào)：1980858