成矿有利度的支持向量回归预测
来源期刊:金属矿山2011年第11期
论文作者:颜七笙
文章页码:120 - 123
关键词:成矿预测;支持向量机;量子粒子群算法;BP;神经网络;
摘 要:应用基于量子粒子群算法(QPSO)寻优的支持向量回归(SVR)方法,对成矿有利度进行建模和预测研究,并与BP神经网络模型的预测结果进行了比较。结果表明:基于量子粒子群算法优化的支持向量机成矿预测模型能较好地拟合成矿有利度与其影响因素之间的高度非线性关系,且比BP神经网络模型具有更高的精度,说明支持向量回归方法用于成矿有利度预测是可行有效的。
颜七笙
摘 要:应用基于量子粒子群算法(QPSO)寻优的支持向量回归(SVR)方法,对成矿有利度进行建模和预测研究,并与BP神经网络模型的预测结果进行了比较。结果表明:基于量子粒子群算法优化的支持向量机成矿预测模型能较好地拟合成矿有利度与其影响因素之间的高度非线性关系,且比BP神经网络模型具有更高的精度,说明支持向量回归方法用于成矿有利度预测是可行有效的。
关键词:成矿预测;支持向量机;量子粒子群算法;BP;神经网络;