10.13347/j.cnki.mkaq.2023.02.028
基于KPCA-GWO-SVM的矿井突水水源识别
为提高矿井突水水源识别的精准度,提出1种基于KPCA-GWO-SVM的矿井突水水源识别模型;该算法利用核主成分分析(KPCA)进行特征降维,加快水源识别速度,通过灰狼优化算法(GWO)搜寻支持向量机(SVM)的最优参数,使水源识别精准度更高;以赵各庄矿为研究对象,分析各含水层主要水化学类型,选取6种离子指标,经KPCA提取3个主成分,随机选取总样本量70％为训练集(共47组),30％作为预测集(共20组),构建KPCA-GWO-SVM模型并与KPCA-PSO-SVM、KPCA-WOA-SVM和KPCA-SVM模型对比.结果表明:KPCA-GWO-SVM的水源预测结果与实际结果一致,比未经KPCA处理模型的预测准确率高10％且寻优速度更快;与其他模型相比准确率最高,具有优越性.
矿井突水、水源识别、核主成分分析(KPCA)、灰狼优化算法(GWO)、支持向量机(SVM)
54
TD741(矿山安全与劳动保护)
国家自然科学基金71771111
2023-03-24（万方平台首次上网日期，不代表论文的发表时间）
共6页
195-200
