基于SVR组合模型的边坡位移预测研究
来源期刊:金属矿山2018年第2期
论文作者:刘小生 于良 冯腾飞
文章页码:184 - 187
关键词:支持向量回归机;组合模型;边坡位移预测;
摘 要:为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。
刘小生,于良,冯腾飞
江西理工大学建筑与测绘工程学院
摘 要:为解决传统支持向量机预测模型的不足,造成矿山边坡位移预测精度低的问题。提出了一种基于自适应惯性权重PSO算法的支持向量回归机(SVR)组合预测模型。将其运用到某矿边坡滑坡位移预测中,并与基于灰色预测模型、基于传统SVR预测模型预测结果对比,结果表明:基于SVR组合预测模型的矿山边坡位移预测的精度更具优势。
关键词:支持向量回归机;组合模型;边坡位移预测;