典型文献
基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究
文献摘要：
为准确预测尾矿坝变形趋势,通过主成分分析法(PCA)对尾矿坝变形影响因子进行优选,基于生物地理学优化算法(BBO)对支持向量机(SVM)参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证.研究结果表明:PCA-BBO-SVM模型在4个测点的RMSE为0.1396,0.2742,0.3170,0.5306;MAE为0.1125,0.2135,0.2690,0.4129;MAPE为0.5250％,0.6923％,2.6212％,1.3112％;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑.
文献关键词：
尾矿坝;变形预测;PCA-BBO-SVM;性能验证
中图分类号：
作者姓名：
华国威;娄彦彬;王世杰;胡少华
作者机构：
武汉理工大学 安全科学与应急管理学院,湖北 武汉430070;河南省电力勘测设计院,河南 郑州450007;国家大坝安全工程技术研究中心,湖北 武汉430010
文献出处：
引用格式：
[1]华国威;娄彦彬;王世杰;胡少华-.基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究)[J].中国安全生产科学技术,2022(09):20-26
A类：
B类：
BBO,尾矿坝,变形预测,性能验证,准确预测,变形趋势,变形影响,生物地理学优化算法,杨家湾,模型性能,RMSE,MAE,MAPE,对局,预测能力,GS,GA,PSO,模型支撑
AB值：
0.27481
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
