基于混合核函数支持向量机的顶板砂岩富水性研究
张良良1
石永奎2
李俊勇1
1.山东科技大学矿业与安全工程学院,山东青岛,2665902.山东科技大学矿业与安全工程学院,山东青岛266590;山东省矿山灾害预防控制国家重点实验室培育基地,山东青岛266590
摘要：为了寻求一种能够较好地预测煤层顶板砂岩富水性等级的方法,以桑树坪煤矿为例,分别采用BP神经网络、K最近邻分类法、决策树和支持向量机算法对其顶板砂岩富水性进行预测.比较发现,基于支持向量机的预测模型准确率最高为87.5%,节点错误率最低,优于其他3种模型.为了进一步提高模型预测准确率,建立了煤层顶板砂岩富水性的混合核函数支持向量机预测模型,当λ1=0.05与λ2=0.95时预测准确率达到100%.研究结果表明,以条件属性作为输入、决策属性作为输出的混合核函数支持向量机预测模型能较好地预测煤层顶板砂岩富水性等级,效果较好.
关键词：砂岩富水性BP神经网络朴素贝叶斯分类器支持向量机混合核函数
分类号：TD745(矿山安全与劳动保护)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 72-76 )
英文信息