矿区地表沉陷预测的KPCA-LSSVM模型

来源期刊：金属矿山2018年第5期

论文作者：刘福臻 耿波涛

文章页码：130 - 134

关键词：开采沉陷;地下开采;核主成分分析;最小二乘法支持向量机;预测模型;

摘    要：针对矿山地下开采引起的地表沉降问题,考虑到影响地表下沉量的多元因素,将核主成分分析法（Kernel principal component analysis,KPCA）与最小二乘支持向量机（Least squares support vector macine,LSSVM）相结合,构建了矿区地表沉陷预测的KPCA-LSSVM模型。该模型首先采用KPCA法对地表沉陷的影响因素进行分析,然后基于LSSVM理论,根据确定的主成分因子,构建了矿区地表沉陷预测模型。研究表明:（1）煤层赋存深度、煤柱宽度、煤层倾角为影响矿区地表最大下沉量的主要因素;（2）通过将华北某矿区煤层赋存深度、煤柱宽度、煤层倾角作为自变量,地表最大沉陷量作为因变量,构建的矿区地表沉陷KPCA-LSSVM预测模型得出的最大沉陷量与实测值的绝对误差为0.006⁰.009 m,远小于FLAC3D模拟值与实测值的误差（0.108⁰.217 m）,表明该模型可以对矿区地表沉陷进行高精度预测。