第8期 李长洪等：基于支持向量机的露天转地下开采边坡变形摸型 ·949。 表2支持向量及其对应的a~a!”的值 可见对后10d的变形预测完全满足精度要求.且支 Table 2 Support vectors and the corresponding valwes of a and a" 持向量机是以结构风险最小为理论基础，可获得全 样本序号 0, 局最优解，有着良好泛化性能在处理小样本学习问 299.050 0.000 题上具有独到的优越性 0.000 0.000 2.0 一实测值 3 0.000 0.000 …预测值 1.9 2000000 0.000 5 2000000 0.000 6 0.000 0.000 7 0000 2000.000 1.7 8 0.000 2000.000 9 0.000 2000000 20 30 40 时间d 10 0.000 0.000 1 0000 0.000 图5变形预测值与实测值的比较 12 686.245 0.000 Fig 5 Comparison of predicted defomation with measured data 13 0.000 0.000 14 0.000 0.000 4结论 15 0.000 350533 (1)提出了基于支持向量机的露天转地下边坡 16 0.000 0.000 变形模型，有效表达了地下开采扰动引起露天矿边 17 0.000 0.000 坡变形的复杂非线性关系.该模型可以不断根据新 18 0.000 0.000 的监测资料对变形进行滚动预测，具有实时性和较 19 2000000 0.000 高精度，对矿山安全生产具有重要意义 20 0.000 634762 (2)利用支持向量机寻找现场监测数据中的支 持向量，善于捕捉数据间的非线性关系，解决了其他 表3支持向量预测值与实测值 Table 3 Prediction vahes using support vectors and monitored data 方法在现场数据挖掘中存在的困难，且操作便捷 快速. 时间 实测值/m预测值/m绝对误差/m相对误差/% (3)支持向量机作为一种新的数据挖掘方法， 第31天 1.811 1.8062 0.0048 0.263 在处理小样本、随机、模糊和复杂非线性的岩土工程 第32天 1.830 1.8239 0.0061 0.335 问题方面具有广泛的应用前景.虽然其内部参数的 第33天 1.839 1.8442 -0.0052 -0.284 选择已有很多成果，但对于参数的优化选择仍有待 第34天 1.842 1.8619 -0.0199 -1.078 于进一步研究. 第35天 1.846 1.8748 -0.0288 -1.560 第36天 1.849 1.8850 -0.0360 -1.947 参考文献 第37天 1.853 1.8931 -0.0401 -2166 I]Yu N F.Yang H C.Deng K Z.et al.Calculation of surface subsi- 第38天 1.865 1.9002 -00352 -1.888 dence coefficient in mining areas using support vector machine re 第39天 1.878 1.9099 -00319 -1.698 gression.J Liaoning Technial Univ Nat Sci,2008,27(3):365 (于宁锋，杨化超，邓喀中，等.基于PS0和SVM的矿区地表下 第40天 1.891 1.9211 -0.0301 -1.594 沉系数预测.辽宁工程技术大学学报：自然科学版.2008 27(3):365) 从表2可以看出，20个学习样本中有10个为 [2 ChenS K.Yang T H,Zhang H X.The sbpe stability under under 支持向量极大地提高了计算效率，操作非常便捷 ground miring of Anjialing open-pit mine in Pingshuo.J China 快速. Coal Soc.2008.33(2):148 从图5可见，支持向量机对学习样本的拟合精 (陈仕阔，杨天鸿，张华兴.平朔安家岭露天矿地下采动条件下 度极高，它对学习样本之外的样本的预测精度也很 的边坡稳定性.煤炭学报，2008,33(2)：148) [3 Li C H.Wen J.Cai M F.et al.Slope reinforcement and stability 高.以前30d的实测变形值构成20个学习样本对 analysis in Shuichang Mine of China.IUniv Sci Technol Beijing. 后10d的变形进行预测，最大相对误差为2.166%， 2005.27(2):132)表2 支持向量及其对应的 αi 、α＊ i 的值 Table 2 S upport vect ors and the corresponding values of αi and α＊ i 样本序号 αi α＊ i 1 299.050 0.000 2 0.000 0.000 3 0.000 0.000 4 2 000.000 0.000 5 2 000.000 0.000 6 0.000 0.000 7 0.000 2 000.000 8 0.000 2 000.000 9 0.000 2 000.000 10 0.000 0.000 11 0.000 0.000 12 686.245 0.000 13 0.000 0.000 14 0.000 0.000 15 0.000 350.533 16 0.000 0.000 17 0.000 0.000 18 0.000 0.000 19 2 000.000 0.000 20 0.000 634.762 表 3 支持向量预测值与实测值 Table 3 Prediction values using support vectors and monitored data 时间 实测值/ m 预测值/ m 绝对误差/ m 相对误差/ % 第 31 天 1.811 1.806 2 0.004 8 0.263 第 32 天 1.830 1.823 9 0.006 1 0.335 第 33 天 1.839 1.844 2 -0.005 2 -0.284 第 34 天 1.842 1.861 9 -0.019 9 -1.078 第 35 天 1.846 1.874 8 -0.028 8 -1.560 第 36 天 1.849 1.885 0 -0.036 0 -1.947 第 37 天 1.853 1.893 1 -0.040 1 -2.166 第 38 天 1.865 1.900 2 -0.035 2 -1.888 第 39 天 1.878 1.909 9 -0.031 9 -1.698 第 40 天 1.891 1.921 1 -0.030 1 -1.594 从表 2 可以看出, 20 个学习样本中有 10 个为 支持向量极大地提高了计算效率, 操作非常便捷 快速 . 从图 5 可见, 支持向量机对学习样本的拟合精 度极高, 它对学习样本之外的样本的预测精度也很 高.以前 30 d 的实测变形值构成 20 个学习样本对 后 10 d 的变形进行预测, 最大相对误差为 2.166 %, 可见对后 10 d 的变形预测完全满足精度要求 .且支 持向量机是以结构风险最小为理论基础, 可获得全 局最优解, 有着良好泛化性能, 在处理小样本学习问 题上具有独到的优越性 . 图5 变形预测值与实测值的比较 Fig.5 Comparison of predi cted def ormation w ith measured data 4 结论 ( 1) 提出了基于支持向量机的露天转地下边坡 变形模型, 有效表达了地下开采扰动引起露天矿边 坡变形的复杂非线性关系.该模型可以不断根据新 的监测资料对变形进行滚动预测, 具有实时性和较 高精度, 对矿山安全生产具有重要意义. ( 2) 利用支持向量机寻找现场监测数据中的支 持向量, 善于捕捉数据间的非线性关系, 解决了其他 方法在现场数据挖掘中存在的困难, 且操作便捷 快速. ( 3) 支持向量机作为一种新的数据挖掘方法, 在处理小样本、随机、模糊和复杂非线性的岩土工程 问题方面具有广泛的应用前景.虽然其内部参数的 选择已有很多成果, 但对于参数的优化选择仍有待 于进一步研究. 参 考 文 献 [ 1] Yu N F, Yang H C, Deng K Z, et al.Calculation of surf ace subsi￾dence coefficient in mining areas using support vect or machine re￾gression.J Liaoning Techni ca l U niv Nat Sci, 2008, 27( 3) :365 ( 于宁锋, 杨化超, 邓喀中, 等.基于 PSO 和SVM 的矿区地表下 沉系数预测.辽宁工程技术大学学报:自然科学版, 2008, 27( 3) :365) [ 2] Chen S K, Yang T H, Zhang H X .The slope st ability under under￾ground mining of Anjialing open-pit mine in Pingshuo .J Ch ina Coal S oc, 2008, 33( 2) :148 ( 陈仕阔, 杨天鸿, 张华兴.平朔安家岭露天矿地下采动条件下 的边坡稳定性.煤炭学报, 2008, 33( 2) :148) [ 3] Li C H, Wen J, Cai M F, et al.Slope reinforcement and stabilit y analysis in Shuichang Mine of China .J U niv S ci Technol Beijing , 2005, 27( 2) :132) 第 8 期 李长洪等:基于支持向量机的露天转地下开采边坡变形模型 · 949 ·