位置:成果数据库 > 期刊 > 期刊详情页
基于支持向量机岩溶塌陷的智能预测模型
  • ISSN号:1673-0291
  • 期刊名称:《北京交通大学学报:自然科学版》
  • 时间:0
  • 分类:P642[天文地球—工程地质学;天文地球—地质矿产勘探;天文地球—地质学]
  • 作者机构:[1]北京交通大学土木建筑工程学院,北京100044
  • 相关基金:国家自然科学基金资助项目(50478061);铁道部科研究开发计划项目(2003G036)
中文摘要:

在综合分析了各种岩溶塌陷预测方法和介绍支持向量机的基础上,提出基于支持向量机的岩溶塌陷预测方法,运用Marlab语言编程,建立了相应的岩溶塌陷预测模型.以已有的岩溶地面塌陷实例为学习样本,进行学习测试,得到训练效果较佳的预测模型,并用此模型对某市岩溶塌陷进行预测.结果表明,支持向量机预测模型具有较高精度,在岩溶塌陷预测研究中具有广阔的应用前景.

英文摘要:

Based on comprehensively analyzing different methods for Karstic collapse Prediction and introducing the support vector machine (SVM), the article proposed the method of Karstic ground collapse Prediction with SVM and built prediction model with Matlab language. By using the karstic ground collapses as learning samples, a good Prediction model was obtained by studying and training. Then this model was used in prediction of the karstic ground collapses in one city. The result suggests that the SV M prediction model has high prediction accuracy, and it has Wide application prospects in the research of karstic collapse Prediction.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《北京交通大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:北京交通大学
  • 主编:孙守光
  • 地址:北京市西直门外上园村3号北方交通大学8楼8101室
  • 邮编:100044
  • 邮箱:bfxb@bjtu.edu.cn
  • 电话:010-51688053
  • 国际标准刊号:ISSN:1673-0291
  • 国内统一刊号:ISSN:11-5258/U
  • 邮发代号:
  • 获奖情况:
  • 1995年铁道部科技期刊一等奖、1999年教育部组织的...
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:5152