中国科技核心期刊
美国化学文摘社（CAS）数据库
美国EBSCO学术数据库
日本科学技术振兴机构数据库(JST)
基于KPCA-GWO-SVM模型的岩爆预测及应用
- 作者：
- 石小庆
- 作者单位：
- 陕西铁路工程职业技术学院
基金项目：
- 陕西省教育厅服务地方专项计划项目(21JC009);陕西铁路工程职业技术学院重点科研基金项目(KY2020-23)
详细信息：
- 作者简介：
- 石小庆(1984—),女,讲师,硕士,从事水利工程、岩石力学与工程方向的研究工作;E-mail:350491553@qq.com
- 通讯作者：
- isnull
- 此文档没有上传！
Rockburst prediction based on KPCA-GWO-SVM model and its application
- English Author：
- Shaanxi Railway Institute
- Unit：
- 摘要
- 在线预览
- 参考文献
摘要:
岩爆是采矿、水利等工程的主要灾害之一,准确预测十分关键。选取应力系数σθ/σc、脆性系数σc/σt和弹性能量指数Wet作为分级预测指标,提出基于灰狼优化算法优化的支持向量机模型,采用核主成分分析对数据进行处理,建立岩爆预测的KPCA-GWO-SVM模型,预测结果表现出良好的分类性能。将建好的模型用于冬瓜山铜矿,并与BP神经网络模型进行对比,结果表明,KPCA-GWO-SVM模型是一种岩爆烈度高精度分类的有效工具。
关键词:
岩爆预测;支持向量机;灰狼优化算法;核主成分分析;工程应用
Abstract:
Rockburst is one of the major disasters in irrigation works and mining,and its accurate prediction is important.The stress coefficient σθ/σc,brittleness coefficient σc/σt,and elastic energy index Wet are chosen to be classification prediction indicators.Support vector machine (SVM) model based on optimization of grey wolf optimization (GWO) is proposed.The data are processed by kernel principal component analysis (KPCA).KPCA-GWO-SVM model for rockburst prediction is established.The forecasting results show good classification performance.The established model is applied in Dongguashan Copper Mine and compared with BP neural network model.The result shows that the KPCA-GWO-SVM model is an effective tool for high-precision classification of rockburst intensity.
Keywords:
rockburst prediction;support vector machine;grey wolf optimization algorithm;kernel principal component analysis;engineering application