机器学习辅助下的概率积分法参数预计模型寻优

doi:10.13474/j.cnki.11-2246.2016.0324

测绘通报 ›› 2016, Vol. 0 ›› Issue (10): 35-38.doi: 10.13474/j.cnki.11-2246.2016.0324

机器学习辅助下的概率积分法参数预计模型寻优

沈震, 徐良骥, 刘潇鹏, 秦长才, 王振兵

安徽理工大学测绘学院, 安徽淮南 232001

收稿日期:2016-05-10 出版日期:2016-10-25 发布日期:2016-11-03
作者简介:沈震(1990-),男,硕士生,研究方向为矿山开采沉陷。E-mail:abczhenxx@qq.com
基金资助:
国家自然科学基金（41472323）；安徽省对外科技合作计划（1503062020）

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

SHEN Zhen, XU Liangji, LIU Xiaopeng, QIN Changcai, WANG Zhenbing

Received:2016-05-10 Online:2016-10-25 Published:2016-11-03

摘要/Abstract

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

中图分类号:

P258

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, 0(10): 35-38.

SHEN Zhen, XU Liangji, LIU Xiaopeng, QIN Changcai, WANG Zhenbing. Probability Integral Method Parameters Prediction Model Optimization Based on Machine Learning Methods[J]. 测绘通报, 2016, 0(10): 35-38.

参考文献

[1] 何国清,杨伦,凌赓娣,等.矿山开采沉陷学[M].徐州:中国矿业大学出版社,1995.
[2] 邹友峰.开采沉陷预计参数的确定方法[J].焦作工学院学报(自然科学版),2001,20(4):253-257.
[3] 麻凤海,杨帆.采矿地表沉陷的神经网络预测[J].中国地质灾害与防治学报,2001,12(3):87-90.
[4] 郭文兵,邓喀中,邹友峰.概率积分法预计参数选取的神经网络模型[J].中国矿业大学学报,2004,33(3):88-92.
[5] 杨帆,麻凤海.地表移动预计参数选取的神经网络法[J].中国地质灾害与防治学报,2004,15(1):102-106.
[6] YAN W Y, HE Q.Multi-class Fuzzy Support Vector Machine Based on Dismissing Margin[C]//Proceedings of the Eighth International Conference on Machine Learning and Cybernetics. Baoding, China:[s.n.], 2009: 1139-1144.
[7] 林卉,朱庆,胡召玲.模糊支持向量机和变化矢量分析相结合的矿区土地覆盖变化检测[J]. 测绘通报,2014(11):25-27.
[8] 梁月吉,任超,杨秀发,等.结合双树复小波和广义回归神经网络的钟差预报方法研究[J].测绘通报,2016(1):6-10,18.
[9] Kerh T,Gunaratnam D,Chan Y.Neural Computing with Genetic Algorithm in Evaluating Potentially Hazardous Metropolitan Areas Result from Earthquake[J].Neural Computing & Application,2010,19(4):521-529.
[10] 罗批,郭继昌,李锵,等.基于偏最小二乘回归建模的探讨[J].天津大学学报(自然科学与工程技术版),2002,35(6):783-786.
[11] 徐良骥,王少华,马荣振,等.厚松散层开采条件下覆岩运动与地表移动规律研究[J].测绘通报,2015(10):52-56.
[12] 刘伟韬,刘欢,陈志兴,等.地表沉陷预计参数精度分析[J].测绘科学,2016(8):1-8.
[13] 范昕炜.支持向量机算法的研究及其应用[D].杭州:浙江大学,2003.
[14] 刘天舒.BP神经网络的改进研究及应用[D].哈尔滨:东北农业大学,2011.

[1]	刘璐, 罗年学, 赵前胜. 基于历史数据的黄海浒苔爆发规模预测[J]. 测绘通报, 2022, 0(7): 7-11.
[2]	冯俊俊, 周立, 欧阳犬平, 周珍. 优化短期余水位组合预测模型[J]. 测绘通报, 2022, 0(3): 96-100.
[3]	丁仁军, 王友昆, 张君华, 刘晨. 基于BP神经网络的昆明天顶湿延迟模型[J]. 测绘通报, 2022, 0(3): 107-110.
[4]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[5]	毛斌, 韩文泉, 谢宏全, 吕海扬. 基于北京二号影像辅助nDSM的建筑物自动提取[J]. 测绘通报, 2022, 0(3): 132-137.
[6]	郭云开, 曹骁, 谢晓峰, 张思爱, 谢琼. 基于集合经验模态分解的土壤重金属Cd定量反演[J]. 测绘通报, 2022, 0(1): 44-49.
[7]	李紫微, 马庆勋, 吕杰. BP神经网络的近地面臭氧估算及时空特征分析[J]. 测绘通报, 2021, 0(6): 28-32,126.
[8]	宋宝, 柯福阳, 赵兴旺. 面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析[J]. 测绘通报, 2021, 0(2): 44-48.
[9]	张鹏, 马庆勋, 吕杰, 季金亮, 李紫微. 机器学习算法在森林地上生物量估算中的应用[J]. 测绘通报, 2021, 0(12): 28-32.
[10]	梁雪萍, 薛东剑, 贾诗超. 超像素在多极化SAR数据分类中的应用——以ALOS PALSAR为例[J]. 测绘通报, 2020, 0(5): 107-110.
[11]	鲁小红. 最优权组合预测法在采煤沉陷变形预测中的应用[J]. 测绘通报, 2020, 0(4): 111-115.
[12]	郭云开, 许敏, 张晓炯, 刘雨玲. 结合PRO-4SAIL和BP神经网络的叶绿素含量高光谱反演[J]. 测绘通报, 2020, 0(3): 21-24.
[13]	孔晖, 金洪芳. 一种基于联合特征的地表覆盖变化自动检测方法[J]. 测绘通报, 2020, 0(10): 110-113,122.
[14]	王慧, 冯启言, 刁鑫鹏, 孟磊. 煤炭开采对泥河小流域土地利用及景观格局的影响[J]. 测绘通报, 2019, 0(9): 27-33,61.
[15]	冯绍权, 花向红, 陶武勇, 宣伟, 吴伟, 续东. 一种基于GA-BP-MC神经网络的高铁桥墩沉降预测模型[J]. 测绘通报, 2019, 0(7): 50-53,82.

机器学习辅助下的概率积分法参数预计模型寻优

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

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价