饶运章 黄永刚 张永胜
(1.江西理工大学资源与环境工程学院 江西赣州 341000; 2.江西省稀土资源高效利用重点实验室 江西赣州 341000; 3.广东明源勘测设计有限公司 广东河源 517000)
支持向量机在边坡稳定性预测中的应用*
饶运章1,2黄永刚1张永胜3
(1.江西理工大学资源与环境工程学院江西赣州 341000;2.江西省稀土资源高效利用重点实验室江西赣州 341000;3.广东明源勘测设计有限公司广东河源 517000)
针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。
离子型稀土矿边坡稳定性支持向量机预测模型网格参数寻优算法遗传算法粒子群寻优算法
离子型稀土矿原地浸矿开采应用越来越广泛,但是在开采过程中滑坡事故时有发生。为了使稀土、矿得到高效、安全地开采和利用,加强对边坡稳定性的研究显得尤为重要。常用的边坡稳定性分析方法有瑞典圆弧法、毕肖普法、摩擦圆法、简布法、有限元法等,大多计算复杂且较为繁琐。利用神经网络和模糊综合评判其输出结果为边坡稳定性状态,具有优越性[1-4],但是神经网络预测需要大量的样本数据作为支撑,模糊综合评判计算复杂且对指标权重矢量的确定主观性较强。……