基于SSA-SVR的煤矸石路基沉降预测模型研究

作者：刘育林

来源：河北地质大学学报, 2021, 44(06): 99-104.

DOI：10.13937/j.cnki.hbdzdxxb.2021.06.014

• 煤矸石路基沉降
• 麻雀搜索算法
• 支持向量机回归
• 模型研究

为准确预测煤矸石路基逐层填筑过程中的沉降量。本文以相隔天数、累计填土厚度、此累计填土厚度的时刻等影响因子作为输入,沉降量作为输出,建立麻雀搜索算法优化支持向量机回归(Sparrow Search Algorithm-Support Vector Regression,SSA-SVR)预测模型,对湖南安邵高速公路煤矸石路基沉降量进行预测。将预测结果与粒子群算法优化支持向量机回归(Particle Swarm optimization-Support Vector Regression, PSO-SVR)、遗传算法优化支持向量机回归(Genetic Algorithm-Support Vector Regression,GA-SVR)模型进行对比。结果表明:对比于一些传统预测模型,SSA-SVR预测模型的准确率高、泛化能力强,对类似工程及其他领域具有一定的参考价值,具有广阔的应用前景。

• 单位
  河北地质大学