地下水化学特征组分识别的粒子群支持向量机方法

被引：25

作者：

姜谙男

梁冰

机构：

[1] 辽宁工程技术大学力学与工程科学系

来源：

煤炭学报 | 2006年 / 03期

关键词：

地下水; 化学特征组分; 粒子群优化; 支持向量机;

D O I：

10.13225/j.cnki.jccs.2006.03.009

中图分类号：

P641.12 [地下水的物理、化学性质];

学科分类号：

摘要：

采用粒子群算法优化支持向量机参数,建立了地下水化学特征组分识别的粒子群支持向量机模型.该方法利用支持向量机结构风险最小化原则和粒子群快速全局优化特点,通过对水源样本的学习,可以快速自动建立典型离子化学组分含量与其所属岩层类别之间的映射关系.

引用

页码：310 / 313

页数：4

共 6 条

[1] 由工程实例获取隧洞围岩最大变形的支持向量机方法 [J].

姜谙男 ;

冯夏庭 .

东北大学学报, 2004, (08) :793-795

[2] 皖北矿区主要突水水源水文地质特征研究 [J].

桂和荣 ;

陈陆望 .

煤炭学报, 2004, (03) :323-327

[3] 神经网络在判别煤矿突水水源中的应用 [J].

魏永强 ;

梁化强 ;

任印国 ;

刘伟 .

江苏地质, 2004, (01) :36-38

[4] 数量化理论在矿井突(涌)水水源判别中的应用 [J].

张许良 ;

张子戌 ;

彭苏萍 .

中国矿业大学学报, 2003, (03) :42-45

[5] 用模糊综合评判方法判定曹庄煤矿突水水源 [J].

夏筱红 ;

张华 ;

杨伟峰 .

西部探矿工程, 2002, (04) :54-56

[6] Least squares support vector machine classifiers [J].

Suykens, JAK ;

Vandewalle, J .

NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300

← 1 →