典型文献
基于粒子群-最小二乘支持向量机模型的矿山爆破振动速度预测
文献摘要：
爆破地震危害是矿山开采过程中最为显著的负面效应之一,准确预测质点峰值振动速度(PPV)对于有效预防爆破振动引发的建(构)筑物失稳破坏具有极大的工程实际意义.设计并开展了露天矿山开挖爆破现场监测试验,采用灰色关联分析法对PPV影响因素进行敏感性分析,确定各影响因素之间的主次关系.在此基础上,建立最小二乘支持向量机(LS-SVM)模型对PPV进行预测,并通过粒子群算法(PSO)局部寻优确定LS-SVM模型中正则化参数和核函数宽度系数的最佳参数组合,最后将PSO-LSSVM模型预测结果与BP神经网络模型、LS-SVM模型及传统萨道夫斯基公式的预测结果进行了对比分析.结果表明:PSO-LSSVM模型对PPV预测的拟合相关系数(R2)、均方根误差(RMSE)、平均相对误差(MRE)及纳什系数(NSE)分别为97.38％、2.68％、1.36％和99.98％,PSO-LSSVM模型预测精度更高,且具有更好的泛化能力,用于多因素影响下的矿山爆破PPV预测切实可行.
文献关键词：
振动速度预测;敏感性分析;最小二乘支持向量机模型;粒子群算法;泛化能力
中图分类号：
作者姓名：
何理;刘易和;李琳娜;陈江伟;姚颖康;刘昌邦
作者机构：
冶金工业过程系统科学湖北省重点实验室,湖北武汉 430065;江汉大学爆破工程湖北省重点实验室,湖北武汉 430056;中国建筑第七工程局有限公司,河南郑州 450004;江汉大学精细爆破国家重点实验室,湖北武汉 430056;武汉爆破有限公司,湖北武汉 430056
文献出处：
引用格式：
[1]何理;刘易和;李琳娜;陈江伟;姚颖康;刘昌邦-.基于粒子群-最小二乘支持向量机模型的矿山爆破振动速度预测)[J].金属矿山,2022(07):145-150
A类：
B类：
最小二乘支持向量机模型,矿山爆破,爆破振动速度,振动速度预测,矿山开采,开采过程,负面效应,准确预测,质点峰值振动速度,PPV,防爆,失稳破坏,工程实际,实际意义,露天矿山,矿山开挖,开挖爆破,现场监测试验,灰色关联分析法,主次关系,粒子群算法,PSO,中正,正则化参数,核函数,宽度系数,最佳参数,数组,LSSVM,道夫,夫斯基,RMSE,平均相对误差,MRE,纳什系数,NSE,泛化能力,多因素影响
AB值：
0.312651
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。
