基于DE-BA-LSSVM的露天矿边坡稳定性预测
来源期刊:矿业研究与开发2018年第8期
论文作者:顾清华 李梦然 闫宝霞
文章页码:1 - 5
关键词:差分蝙蝠算法;最小二乘支持向量机;边坡稳定性;预测模型;
摘 要:针对LSSVM参数优化耗时长且效果差的问题,提出了一种基于差分蝙蝠算法(DE-BA)的LSSVM参数寻优办法,利用BA的全局寻优能力和DE的局部搜索能力,优化LSSVM的核参数(C)和惩罚参数(σ2),并建立了基于DEBA-LSSVM的露天矿边坡稳定性预测模型,选取某露天矿边坡实际数据进行了对比分析。结果表明:3种预测模型中,DE-BA-LSSVM模型的平均相对误差为2.6%,预测效果最好,为采用LSSVM解决露天矿边坡稳定性预测问题提供了新的方向。
顾清华1,李梦然1,闫宝霞2
1. 西安建筑科技大学2. 西安有色冶金设计研究院有限公司
摘 要:针对LSSVM参数优化耗时长且效果差的问题,提出了一种基于差分蝙蝠算法(DE-BA)的LSSVM参数寻优办法,利用BA的全局寻优能力和DE的局部搜索能力,优化LSSVM的核参数(C)和惩罚参数(σ2),并建立了基于DEBA-LSSVM的露天矿边坡稳定性预测模型,选取某露天矿边坡实际数据进行了对比分析。结果表明:3种预测模型中,DE-BA-LSSVM模型的平均相对误差为2.6%,预测效果最好,为采用LSSVM解决露天矿边坡稳定性预测问题提供了新的方向。
关键词:差分蝙蝠算法;最小二乘支持向量机;边坡稳定性;预测模型;