發(fā)布時(shí)間：2021-08-01 17:23

　　為科學(xué)評(píng)價(jià)圍巖穩(wěn)定性,本次研究借助支持向量機(jī)（SVM）處理小樣本、非線性問題能力強(qiáng)的特性,對(duì)圍巖的穩(wěn)定性進(jìn)行了分類。選取16組圍巖數(shù)據(jù)作為學(xué)習(xí)樣本,以巖石質(zhì)量指標(biāo)、巖石單軸飽和抗壓強(qiáng)度、完整性系數(shù)、結(jié)構(gòu)面強(qiáng)度系數(shù)和地下水滲水量5個(gè)指標(biāo)作為模型輸入,圍巖穩(wěn)定程度為模型輸出,建立了基于支持向量機(jī)的圍巖穩(wěn)定性分類模型。為增強(qiáng)模型的推廣性能,提高其預(yù)測(cè)準(zhǔn)確率,運(yùn)用改進(jìn)的網(wǎng)格搜索方法（GSM）尋找最優(yōu)的支持向量機(jī)參數(shù),并對(duì)8組圍巖數(shù)據(jù)進(jìn)行預(yù)測(cè),并同BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。結(jié)果表明,建立的GSM-SVM模型對(duì)預(yù)測(cè)樣本的評(píng)判結(jié)果與實(shí)際結(jié)果一致,其預(yù)測(cè)精度較BP神經(jīng)網(wǎng)絡(luò)有很大的提升。 

【文章來源】：地質(zhì)與勘探. 2019,55(02)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 支持向量機(jī)算法
2 基于GSM的SVM參數(shù)優(yōu)化
3 巷道圍巖穩(wěn)定性分類的SVM模型及應(yīng)用
    3.1 模型輸入輸出的確定
    3.2 樣本的歸一化
    3.3 參數(shù)尋優(yōu)
    3.4 學(xué)習(xí)樣本回判與預(yù)測(cè)結(jié)果分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]內(nèi)蒙古干珠爾善德銀鉛鋅礦床的短波紅外光譜研究[J]. 劉碧洪,劉鶴.  地質(zhì)與勘探. 2016(04)
[2]云南普朗斑巖銅礦床熱液蝕變及脈體系統(tǒng)研究[J]. 王凱,楊帆,李峰,堅(jiān)潤(rùn)堂,孫玉海,楊濤,李芙蓉.  地質(zhì)與勘探. 2016(03)
[3]西天山智博鐵礦地球化學(xué)特征及地質(zhì)意義[J]. 馬方彬,杜楊松,李大鵬,涂偉,王開虎,白玉.  地質(zhì)與勘探. 2016(01)
[4]基于網(wǎng)格搜索-支持向量機(jī)的采場(chǎng)頂板穩(wěn)定性預(yù)測(cè)[J]. 郭超,宋衛(wèi)華,魏威.  中國(guó)安全科學(xué)學(xué)報(bào). 2014(08)
[5]基于數(shù)字鉆進(jìn)技術(shù)和量子遺傳-徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的圍巖類別超前識(shí)別技術(shù)研究[J]. 邱道宏,李術(shù)才,薛翊國(guó),田昊,閆茂旺.  巖土力學(xué). 2014(07)
[6]基于信息融合與GA-SVM的煤礦瓦斯?jié)舛榷鄠鞲衅黝A(yù)測(cè)模型研究[J]. 郭瑞,徐廣璐.  中國(guó)安全科學(xué)學(xué)報(bào). 2013(09)
[7]基于改進(jìn)變權(quán)物元可拓模型的圍巖穩(wěn)定性評(píng)價(jià)[J]. 王洪德,曹英浩.  中國(guó)安全科學(xué)學(xué)報(bào). 2013(08)
[8]基于模糊數(shù)學(xué)法的煤礦巷道錨桿支護(hù)圍巖分類識(shí)別[J]. 張文華.  煤炭技術(shù). 2013(06)
[9]地下洞室圍巖穩(wěn)定性分析方法簡(jiǎn)述[J]. 鄧聲君,陸曉敏,黃曉陽(yáng).  地質(zhì)與勘探. 2013(03)
[10]基于FIG-SVM的煤礦瓦斯?jié)舛阮A(yù)測(cè)[J]. 劉俊娥,楊曉帆,郭章林.  中國(guó)安全科學(xué)學(xué)報(bào). 2013(02)

博士論文
[1]支持向量機(jī)算法及其應(yīng)用研究[D]. 張國(guó)云.湖南大學(xué) 2006



本文編號(hào)：3315934