基于PCA-GA-SVM模型的地表下沉系数预测

作者：史耀凡; 栾元重^*; 于水; 郭凯维

来源：矿业研究与开发, 2022, 42(02): 65-69.

DOI：10.13827/j.cnki.kyyk.2022.02.031

• 地表下沉系数
• 主成分分析法
• 遗传算法
• 支持向量机

为解决地表下沉系数难以精准预测的问题，提出了基于主成分分析(PCA)的遗传算法(GA)优化的支持向量机(SVM)模型。利用主成分分析法对45个矿区的7个地表移动参数影响因子进行降维，提取出新的主成分，同时通过遗传算法获取能够优化支持向量机的最优惩罚参数和最优核函数参数，将主成分输入优化后的支持向量机，对比地表下沉系数的预测值与真实值之间的差距，计算平均相对误差，并与SVM,PCA-SVM,GA-SVM 3种模型的平均相对误差对比。结果表明：PCA-GA-SVM模型的平均相对误差可以达到7.01%,精度更高，更能准确地预测地表下沉系数。

• 单位
  山东科技大学