基于蟻群算法的支持向量機在礦區(qū)地表沉降預測中的應用研究.pdf

1、礦區(qū)地表沉降是一個緩慢且長期的過程，隨著沉降量的累積，沉降總量超過地表所能承載的最大閾值，就會發(fā)生滑坡等重大災害，為了避免災害的發(fā)生，長期監(jiān)測礦區(qū)地表沉降并掌握其沉降規(guī)律勢在必行。目前針對礦區(qū)地表沉降預測方法較多，但是傳統(tǒng)的預測方法存在誤差大、收斂速度慢等問題，因此，探索有效的新方法預測礦區(qū)地表沉降規(guī)律具有重大意義。
　　本文在對礦區(qū)地表沉降預測和支持向量機研究現(xiàn)狀的基礎之上，利用蟻群算法對支持向量機進行優(yōu)化，并應用于礦區(qū)地表沉降

2、預測研究，首先介紹了蟻群算法和支持向量機的基本理論、數(shù)學模型及其特點；其次采用改進網(wǎng)格化的蟻群算法優(yōu)化選擇支持向量機參數(shù)，基于Visual Studio編程環(huán)境，利用C＃語言編程實現(xiàn)；最后，通過以某礦區(qū)地表沉降監(jiān)測數(shù)據(jù)為數(shù)據(jù)源，采用Fibonacci加權處理方法對原始監(jiān)測數(shù)據(jù)進行處理，建立基于蟻群算法的支持向量機礦區(qū)地表沉降預測模型，并與傳統(tǒng)支持向量機模型預測結果進行對比分析。
　　結果顯示，基于蟻群算法的支持向量機預測模型12號

3、、22號、24號點預測值殘差分別為0.0015~0.0028m、0.0015~0.0025m、0.0018~0.0028m，傳統(tǒng)支持向量機預測模型12號、22號、24號點預測值殘差分別為0.0055~0.0086m、0.0060~0.0078m、0.0058~0.0081m。研究結果表明，基于蟻群算法的支持向量機預測模型精度相對較高，優(yōu)于傳統(tǒng)支持向量機模型預測精度，基于蟻群算法的支持向量機預測模型預測值變化曲線更接近實測值，由此我們可以