基于GA-SVM的矿区采空塌陷预测模型

摘要

论文提出了用遗传算法(GA)优化支持向量机(SVM)来预测矿区采空塌陷的方法.结合某矿区的实际塌陷情况,选取了17组采空塌陷数据作为训练样本,以覆盖层类型、覆盖层厚度、地质构造复杂程度、矿区倾角、采空体积率、采空区距地表的垂深和采空区空间叠置层数7个指标作为模型输入,采空区稳定程度作为模型输出,构建GA-SVM矿区采空塌陷的预测模型.然后利用该模型对工区5组采空塌陷数据进行预测,其预测结果与实际情况相符.为了验证提出的模型的优越性能,将得到的结果与BP神经网络模型和常规SVM预测的结果进行对比了结果表明GA-SVM预测模型比BP神经网络和常规SVM具有更高的精度,进一步验证了该模型的有效性和可靠性.