机器学习辅助下的概率积分法参数预计模型寻优

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。

Probability Integral Method Parameters Prediction Model Optimization Based on Machine Learning Methods