期刊文章详细信息
基于布谷鸟算法优化SVM的尾矿库坝体变形预测
Deformation Prediction of Tailing Pond Dam Body Based on Cuckoo Search Optimized SVM
文献类型:期刊文章
HU Jun;ZHAO Yunkun;LUAN Changqing;ZHANG Handou(School of Civil Engineering,University of Science and Technology LiaoNing,Anshan 114051,China;Beneficiation Branch of Anshan Iron and Steel Group Mining Gongchangling Co.,Ltd.,Liaoyang 111008,China;Donganshan Sintering Plant of Angang Group Co.,Ltd.,Anshan 114051,China)
机构地区:[1]辽宁科技大学土木工程学院,辽宁鞍山114051 [2]鞍钢集团矿业弓长岭有限公司选矿分公司,辽宁辽阳111008 [3]鞍钢集团有限公司东鞍山烧结厂,辽宁鞍山114051
基 金:辽宁省教育厅重点项目(601009877-36)。
年 份:2021
卷 号:11
期 号:9
起止页码:123-129
语 种:中文
收录情况:BDHX、BDHX2020、CAS、JST、ZGKJHX、核心刊
摘 要:为解决SVM模型在尾矿库坝体位移预测中,参数寻优时间较长、模型稳定性较差的问题,引入布谷鸟算法(CS)进行优化,构建的CS-SVM模型用于辽宁省风水沟尾矿库2#副坝的位移预测实例中,将该模型预测值与SVM模型和PSO-SVM模型的预测值进行对比分析。结果表明,CS-SVM模型有较高的预测精度,预测值趋近于真实值,模型构建合理,验证了CS-SVM模型在尾矿库坝体位移预测中的可行性和有效性。
关 键 词:尾矿坝 布谷鸟算法(CS) 支持向量机(SVM) 粒子群算法(PSO) 预测
分 类 号:TD926.4]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...