留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于LS-SVM的矿井巷道场强预测

王安义 郭世坤

王安义,郭世坤.基于LS-SVM的矿井巷道场强预测[J].工矿自动化,2014, 40(10):36-40..  doi: 10.13272/j.issn.1671-251x.2014.10.011
引用本文: 王安义,郭世坤.基于LS-SVM的矿井巷道场强预测[J].工矿自动化,2014, 40(10):36-40..  doi: 10.13272/j.issn.1671-251x.2014.10.011
WANG Anyi, GUO Shiku. Prediction of field intensity in mine tunnel based on LS-SVM[J]. Industry and Mine Automation, 2014, 40(10): 36-40. doi: 10.13272/j.issn.1671-251x.2014.10.011
Citation: WANG Anyi, GUO Shiku. Prediction of field intensity in mine tunnel based on LS-SVM[J]. Industry and Mine Automation, 2014, 40(10): 36-40. doi: 10.13272/j.issn.1671-251x.2014.10.011

基于LS-SVM的矿井巷道场强预测

doi: 10.13272/j.issn.1671-251x.2014.10.011
基金项目: 

陕西省教育厅科学研究计划资助项目(2013JK0864)

详细信息
  • 中图分类号: TD601

Prediction of field intensity in mine tunnel based on LS-SVM

  • 摘要: 针对目前矿井巷道场强预测精度低的问题,提出采用最小二乘支持向量机方法建立预测模型,以某巷道实测数据作为训练样本,对矿井巷道场强进行预测;详细分析了训练集构造和参数选择对预测效果的影响。仿真结果表明,LS-SVM预测模型较双斜率模型和对数校正模型具有更高的预测精度。

     

  • 加载中
计量
  • 文章访问数:  31
  • HTML全文浏览量:  0
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 刊出日期:  2014-10-10

目录

    /

    返回文章
    返回