基于改进果蝇算法优化SVM的矿区地表变形预测方法

矿区地表变形呈现出典型的非平稳、突发性和不确定性，而传统支持向量机(Support Vector Machine, SVM)预测模型的预测性能受核参数选取影响较大。针对该问题，本文提出一种改进果蝇算法(Improved fruit fly optimization algorithm, IFOA)优化SVM的矿区地表变形预测方法。首先采用自适应变步长迭代方式代替传统FOA算法的固定迭代步长，提升FOA的收敛速度和全局寻优能力；然后利用IFOA对SVM进行优化，实现最优核参数自动选择的同时提升预测精度；最后采用某矿区实测数据开展试验。结果表明：所提方法相对于传统灰色模型和BP神经网络模型具备更高的预测精度和稳定性，更适合实际工程应用场景。