基于遗传-支持向量机的分布式光纤监测矿压时序预测

摘要：

为了有效地掌握岩层内部变形,准确预测开采过程中的矿压显现规律,采用分布式光纤监测覆岩内部变形并结合支持向量机计算方法,将光纤频移变化度作为主要特征参数,构建混沌矿压数据相空间,采用遗传算法(genetic algorithm,GA)对支持向量机回归(support vector machine regression,SVR)超参数寻优.开展相似材料模型试验,模拟工作面开采,并引入光纤频移变化度概念,建立GA-SVR时序预测模型.预测结果与传统回归模型和BP神经网络模型(BP neural network,BPNN)进行比较.结果表明,BPNN容易发生过拟合,传统SVR模型依赖超参数选取,GA-SVR模型在超参数选取上更科学,不容易发生过拟合,预测精度高于上述两种算法,为矿压时序预测定量化提供科学依据.

关键词：相空间、分布式光纤、遗传算法、支持向量机、神经网络

所属期刊栏目：20

分类号：TD326.1(矿山压力与支护)

资助基金：国家自然科学基金41038003,51804244

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：13137-13142