%0 Journal Article
%T 利用优化的组合核相关向量机算法构建地表下沉预测模型<br>Prediction of Surface Subsidence of Underground Mining Based on HIOA and MK-RVM
%A 罗亦泳
%A 姚宜斌
%A 赵庆志
%A 周世健&lt
%A br&gt
%A LUO Yiyong
%A YAO Yibin
%A ZHAO Qingzhi
%A ZHOU Shijian
%J 武汉大学学报·信息科学版
%D 2018
%R 10.13203/j.whugis20160368
%X 为了提高地下开采地表下沉预测结果的精度及可靠性，提出了基于混合智能优化算法（hybrid intelligent optimization algorithm，HIOA）与组合核相关向量机（multi-kernel relevance vector machine，MK-RVM）的地下开采地表下沉预测方法。首先，分别构建HIOA与MK-RVM算法，并利用HIOA优化MK-RVM的参数。然后，采用优化后的MK-RVM构建地表下沉几何参数预测模型和动态下沉预测模型。最后，利用以上模型对上山移动角、下山移动角、中心移动角、地表最大下沉及动态下沉进行预测，并分析预测结果的精度及可靠性。实验结果表明，该方法的精度与可靠性较单一核函数相关向量机与支持向量机有较大改善
%K 地表下沉预测
%K 混合智能优化
%K 相关向量机
%K 置信区间
%K 精度分析
%K &lt
%K br&gt
%K mining subsidence prediction
%K hybrid intelligent optimization
%K relevance vector machine
%K confidence interval
%K accuracy analysis
%U http://ch.whu.edu.cn/CN/abstract/abstract6188.shtml