基于支持向量机的矿井排水量预测

摘要：

支持向量机是基于结构风险最小化原理的一种学习技术,具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局部极小等问题.矿井排水量受降雨、河流、含水层等自然因素和煤矿开拓面积的扩大、水平的延伸等人为因素的影响,同时矿井水年排水量是非线性的时间序列.利用支持向量回归机对矿井排水量进行预测,并通过实验与文献[1]利用神经网络预测的结果进行比较,表明支持向量机具有更高的预测精度.

关键词：支持向量机、结构风险最小化、神经网络、灰色理论、矿井排水量

所属期刊栏目：9

分类号：TP181(自动化基础理论)

在线出版日期：2009-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：3857-3859