|
|||||
|
|
| 基于PCA-GWO-SVM的矿山边坡变形预测 | |
| 引用本文： | 解洪伟,朱东丽.基于PCA-GWO-SVM的矿山边坡变形预测[J].矿山测量,2020,48(1):63-66. |
| 作者姓名： | 解洪伟 朱东丽 |
| 作者单位： | 广东省有色地质测绘院,广东 广州,510080;广州市城市规划勘测设计研究院,广东 广州,510060 |
| 摘 要： | 针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。 |
| 关 键 词： | 支持向量机 矿山边坡 变形监测 主成分分析 灰狼算法 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |