期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LS-SVR岩石爆破块度预测
被引量：
12
1
作者
史秀志
王洋
+1 位作者
黄丹
史采星
《爆破》
CSCD
北大核心
2016年第3期36-40,共5页
为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天...
为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验。结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势。
展开更多
关键词
支持向量机
最小二乘支持向量机回归
LS-SVMlab
岩石块度
小样本预测
下载PDF
职称材料
题名
基于LS-SVR岩石爆破块度预测
被引量：
12
1
作者
史秀志
王洋
黄丹
史采星
机构
中南大学资源与安全工程学院
出处
《爆破》
CSCD
北大核心
2016年第3期36-40,共5页
基金
国家科技支撑计划项目(2013BAB02B05)
文摘
为了准确预测小样本条件下露天矿山岩石的爆破块度,并得到小样本条件下预测露天矿山爆破块度的有效方法,借助最小二乘支持向量机工具(LS-SVMlab)构建基于最小二乘支持向量机回归(LS-SVR)预测模型并合理优化模型参数。分别使用15组露天矿山爆破数据和35组爆破数据作为小样本容量和正常样本容量,对模型的预测精度进行检验。结果表明:两种样本容量下LS-SVR预测模型的预测结果精度都比同样本容量下人工神经网络(ANN)回归预测的结果精度更高,说明所提出的LS-SVR模型适用于预测露天矿山爆破块度,并且在小样本条件下更具优势。
关键词
支持向量机
最小二乘支持向量机回归
LS-SVMlab
岩石块度
小样本预测
Keywords
support
vector
machines
least
squares
support
vector
machines
regression
LS-SVMIab
rock
flagmentation
prediction
with
few
observations
分类号
TD235 [矿业工程—矿井建设]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LS-SVR岩石爆破块度预测
史秀志
王洋
黄丹
史采星
《爆破》
CSCD
北大核心
2016
12
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
