支持向量机对采空区稳定时间的预计

李爱兵; 尹彦波

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

支持向量机对采空区稳定时间的预计

基础理论与实验研究 | 更新时间：2026-06-25

- 支持向量机对采空区稳定时间的预计
- Estimation of worked-out area stable time by support vector machines
- 岩土力学 2005年26卷第S2期
- 作者机构：
  
  长沙矿山研究院,长沙,410012
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TU457
- 网络首发：2005-12-16，
  
  纸质出版：2005
- 稿件说明：
移动端阅览
李爱兵, 尹彦波. 支持向量机对采空区稳定时间的预计[J]. 岩土力学, 2005,26(S2).

LI Ai-bing, YIN Yan-bo. Estimation of worked-out area stable time by support vector machines[J]. 2005, 26(S2).
李爱兵, 尹彦波. 支持向量机对采空区稳定时间的预计[J]. 岩土力学, 2005,26(S2). DOI：

LI Ai-bing, YIN Yan-bo. Estimation of worked-out area stable time by support vector machines[J]. 2005, 26(S2). DOI：

摘要

支持向量机是基于结构风险最小化原理的机器学习技术，在广泛收集金属矿山采空区失稳塌陷时间资料的基础上，建立了基于支持向量机的采空区稳定时间的预计模型。通过对采空区稳定时间测试样本的预测研究表明，用支持向量机来预计采空区的稳定时间是可行的。

Abstract

Support vector machine (SVM) is a machine learning technique based on the structural risk minimization principle.Based on collected data of worked-out area stable time from many metallic mines

the model method of SVM is set up for evaluating worked-out area stable time. Through the test to the testing samples

the results show that the SVM for predicting worked-out area stable time is effective.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

小波降噪与粒子群优化综合回归爆破震动参数

基于支持向量机-马尔可夫链的位移时序预测

基于正交设计下SVM滑坡变形时序回归预测的超参数选择

基于开挖弃土与粉煤灰的泡沫轻质土物理力学性能及耐久性分析

珊瑚碎屑混淤泥土压缩-渗透特性及其影响因素研究