基于网格搜索法优化支持向量机的围岩稳定性分类模型

论文摘要

为科学评价围岩稳定性,本次研究借助支持向量机（SVM）处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法（GSM）寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。

论文目录

• 0 引言
• 1 支持向量机算法
• 2 基于GSM的SVM参数优化
• 3 巷道围岩稳定性分类的SVM模型及应用
•   3.1 模型输入输出的确定
•   3.2 样本的归一化
•   3.3 参数寻优
•   3.4 学习样本回判与预测结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 袁颖,于少将,王晨晖,周爱红

关键词: 围岩稳定性,支持向量机,网格搜索法,分类模型,神经网络

来源: 地质与勘探 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 地质学,建筑科学与工程,自动化技术

单位: 河北地质大学勘查技术与工程学院,河北省地震局,河北省地震局红山基准地震台

基金: 国家自然科学基金项目(编号:41301015),河北省教育厅重点项目(编号:ZD2015073和ZD2016038),石家庄经济学院国家自然科学基金预研基金(编号:syy201308),河北地质大学第十三届学生科研基金项目(编号:KAG201607)联合资助

分类号: TP181;TU45

页码: 608-613

总页数: 6

文件大小: 1328K

下载量: 300