基于机器学习的爆破空气超压预测

摘要

为控制爆破引起的空气超压(AOP)对环境与安全造成的危害,提出了基于GRA-GWO-LSSVM的爆破AOP预测模型。首先通过灰色关联分析法(GRA)确定影响AOP的关键因素,有效剔除冗杂因素干扰,降低预测模型复杂度;然后利用灰狼算法(GWO)对最小二乘支持向量机(LSSVM)的惩罚参数和核函数参数寻优,提高了预测模型的学习能力和泛化能力。以贵州省兴义市小河边水库坝基爆破工程为例,分别利用GRA-GWO-LSSVM模型、GWO-LSSVM模型、PSO-LSSVM模型预测空气超压并对预测结果进行比较分析。结果表明:该模型对AOP预测的结果其均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R~2)分别为3.31,3.15和0.93,相比于另外两种模型,此模型具有更好的泛化能力和更高的预测精度。