基于人工蜂群算法优化支持向量机的采场底板破坏深度预测.PDFVIP

第 卷第 期 重庆大学学报 ３８ ６ Ｖｏｌ．３８Ｎｏ．６ 年 月 ＪｏｕｒｎａｌｏｆＣｈｏｎ ｉｎ Ｕｎｉｖｅｒｓｉｔ ２０１５ １２ Ｄｅｃ．２０１５ 　 　 ｇｑ ｇ ｙ 　 ： ／ ｄｏｉ１０．１１８３５ ｉｓｓｎ．１０００－５８２Ｘ．２０１５．０６．００６． ｊ 基于人工蜂群算法优化支持向量机的 采场底板破坏深度预测 １ １ ２ ， ， 朱志洁 张宏伟 王春明 （ ， ； ， ） 辽宁工程技术大学矿业学院 辽宁阜新 辽宁久安安全技术咨询有限公司 沈阳 １． １２３０００２． １１００２７ ： ， ， 摘 要 为确定合理的底板防水煤岩柱尺寸 减少底板突水安全事故的发生 利用支持向量机 　 （ ） （ ） 。 与人工蜂群算法 综合研究底板破坏深度问题 由于 训练参数惩罚因子 和 ＳＶＭ ＡＢＣＡ ＳＶＭ Ｃ ， ， 核函数宽度 的选择对预测精度的影响显著 采用 ＡＢＣＡ 优化该训练参数的选择过程 建立基于 ｇ 。 、 、 、 、 ＳＶＭ 的底板破坏深度预测模型 选取采深 煤层倾角 采厚 工作面斜长 底板抗破坏能力和是否 ， 有切穿断层或破碎带作为影响底板破坏深度的主要影响指标 利用现场实测的 组数据作为样本 ３０ 。 ： ， 对该模型进行训练和预测 结果表明 该预测模型的平均相对误差为 １２．５％ 平均绝对误差为 ， ， ， ０．９８６ｍ 均方误差为０．００５ 平方相关系数为０．９８０较其他预测模型具有更强的泛化能力和更高的 预测精度。 ： （ ）； （ ）； ； 关键词 蜂群算法 ＡＢＣＡ 支持向量机 ＳＶＭ 底板破坏深度 仿真预测 中图分类号： 文献标志码： 文章编号： （ ） ＴＤ３２７．２ Ａ １０００