| 机器学习辅助下的概率积分法参数预计模型寻优 |
| |
| 引用本文： | 沈震,徐良骥,刘潇鹏,秦长才,王振兵.机器学习辅助下的概率积分法参数预计模型寻优[J].测绘通报,2016(10):35-38. |
| |
| 作者姓名： | 沈震 徐良骥 刘潇鹏 秦长才 王振兵 |
| |
| 作者单位： | 安徽理工大学测绘学院,安徽 淮南,232001;安徽理工大学测绘学院,安徽 淮南,232001;安徽理工大学测绘学院,安徽 淮南,232001;安徽理工大学测绘学院,安徽 淮南,232001;安徽理工大学测绘学院,安徽 淮南,232001 |
| |
| 基金项目： | 国家自然科学基金(41472323)，安徽省对外科技合作计划(1503062020) |
| |
| 摘 要： | 收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。
|
| 关 键 词： | 概率积分法预计参数 支持向量机 BP神经网络 偏最小二乘法 模型寻优 |
Probability Integral Method Parameters Prediction Model Optimization Based on Machine Learning Methods |
| |
| SHEN Zhen,XU Liangji,LIU Xiaopeng,QIN Changcai,WANG Zhenbing.Probability Integral Method Parameters Prediction Model Optimization Based on Machine Learning Methods[J].Bulletin of Surveying and Mapping,2016(10):35-38. |
| |
| Authors: | SHEN Zhen XU Liangji LIU Xiaopeng QIN Changcai WANG Zhenbing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
