基于高斯过程机器学习的冲击地压危险性预测

被引：6

作者：

苏国韶 ^{[1
,2
]}

机构：

[1] 岩土力学与工程国家重点实验室

[2] 广西大学土木建筑工程学院

来源：

辽宁工程技术大学学报(自然科学版) | 2009年 / 28卷 / 05期

关键词：

冲击地压; 高斯过程; 机器学习; 预测;

D O I：

暂无

中图分类号：

TD324 [冲击地压];

学科分类号：

0819 ;

摘要：

针对多种复杂影响因素条件下,如何有效预测冲击地压危险性这一类复杂的模式识别问题,提出一种基于高斯过程机器学习的冲击地压危险性预测新模型,通过对少量训练样本的学习,能很好地建立冲击地压危险性与其影响因素的非线性映射关系。算例结果表明,该模型科学可行、容易实现且预测精度高,具有良好的工程应用前景。

引用

页码：762 / 765

页数：4

共 9 条

[1] 基于高斯过程的软测量建模 [J].

熊志化 ;

张继承 ;

邵惠鹤 .

系统仿真学报, 2005, (04) :793-794+800

[2] 基于神经网络的冲击地压危险性预测预报 [J].

曾勇 ;

吴财芳 .

辽宁工程技术大学学报, 2003, (05) :624-627

[3] 岩爆预测的支持向量机 [J].

冯夏庭 ;

赵洪波 .

东北大学学报, 2002, (01) :57-59

[4] 冲击地压的混沌学模型及预测预报 [J].

宋维源 ;

潘一山 ;

苏荣华 ;

王洪英 .

煤炭学报, 2001, (01) :26-30

[5] 国内外岩爆研究现状综述 [J].

徐林生 ;

王兰生 ;

李天斌 .

长江科学院院报, 1999, (04) :25-28+39

[6] 煤矿冲击地压理论与工程应用研究的进展 [J].

周晓军 ;

鲜学福 .

重庆大学学报(自然科学版), 1998, (01) :3-5

[7] Gaussian process for nonstationary time series prediction [J].

Brahim-Belhouari, S ;

Bermak, A .

COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2004, 47 (04) :705-712

[8] Prediction of rockbursts by analysis of induced seismicity data [J].

Mansurov, VA .

INTERNATIONAL JOURNAL OF ROCK MECHANICS AND MINING SCIENCES, 2001, 38 (06) :893-901

[9]

Use of mining and seismological parameters as premonitors of rockbursts[J] . C. Srinivasan,S.K. Arora,R.K. Yaji.International Journal of Rock Mechanics and Mining Sciences . 1997 (6)

← 1 →