基于Adaboost-SVM组合算法的爆破振动强度预测研究

论文摘要

为了提高爆破振动强度预测精度,提出了基于Adaboost-SVM组合算法的爆破振动强度预测方法。采用主分量分析法,从7种爆破振动强度影响因素中确定了3类主要因素,并建立训练样本集,选用高斯径向基核函数建立SVM预测模型,经过对模型参数不断训练和优化调整,实现了对爆破振动强度的预测,最后通过Adaboost-SVM组合算法构建预测模型,进一步提升了预测精度。结果表明,SVM模型在预测精度上高于传统经验公式法和BP神经网络法,且训练速度更快;而提出的Adaboost-SVM组合算法能够进一步将预测精度提高至97%以上。

论文目录

文章来源

类型: 期刊论文

作者: 梅比,汪旭光,杨仁树

关键词: 爆破振动,预测,自适应提升算法,主分量分析,支持向量机

来源: 振动与冲击 2019年18期

年度: 2019

分类: 工程科技Ⅱ辑,基础科学,信息科技

专业: 力学,工业通用技术及设备,建筑科学与工程,自动化技术

单位: 中国矿业大学(北京)力学与建筑工程学院,北京矿冶研究总院

基金: 国家自然科学基金(51808554,61501468)

分类号: TU751.9;TP18;O32

DOI: 10.13465/j.cnki.jvs.2019.18.032

页码: 231-235

总页数: 5

文件大小: 731K

下载量: 306

相关论文文献

• [1].基于多步校正的改进AdaBoost算法[J]. 清华大学学报(自然科学版)网络.预览 2008(10)
• [2].基于AdaBoost级联框架的舌色分类[J]. 北京生物医学工程 2020(01)
• [3].基于CEEMDAN+RF+AdaBoost的短期负荷预测[J]. 水电能源科学 2020(04)
• [4].基于AdaBoost算法的炉芯温度预测模型[J]. 钢铁研究学报 2020(05)
• [5].基于iForest-Adaboost的核电厂一回路故障诊断技术研究[J]. 核动力工程 2020(03)
• [6].基于AdaBoost的短期边际电价预测模型[J]. 计算机与数字工程 2020(02)
• [7].基于AdaBoost的雷达剩余杂波抑制方法[J]. 电光与控制 2020(06)
• [8].基于AdaBoost集成学习的窃电检测研究[J]. 电力系统保护与控制 2020(19)
• [9].基于混合采样AdaBoost的地中海贫血数据诊断研究[J]. 数据通信 2020(05)
• [10].基于KELM-AdaBoost方法的短期风电功率预测（英文）[J]. 控制工程 2019(03)
• [11].Adaboost-SVM多因子选股模型[J]. 经济研究导刊 2019(10)
• [12].一种改进的Adaboost-BP算法在手写数字识别中的研究[J]. 大理大学学报 2019(06)
• [13].一种快速AdaBoost.RT集成算法时间序列预测研究[J]. 电子测量与仪器学报 2019(06)
• [14].一种加入动态权重的AdaBoost算法[J]. 重庆师范大学学报(自然科学版) 2019(05)
• [15].基于改进的AdaBoost算法的中压配电网断线不接地故障检测[J]. 电测与仪表 2019(16)
• [16].基于Adaboost算法的人脸检测的研究[J]. 中外企业家 2019(26)
• [17].基于Adaboost.RT算法的隧道沉降时间序列预测研究[J]. 中国计量大学学报 2019(03)
• [18].一种改进的BP-AdaBoost算法及应用研究[J]. 现代电子技术 2019(19)
• [19].AdaBoost的多样性分析及改进[J]. 计算机应用 2018(03)
• [20].基于改进Real AdaBoost算法的软件可靠性预测[J]. 空军工程大学学报(自然科学版) 2018(01)
• [21].一种基于聚类和AdaBoost的自适应集成算法[J]. 吉林大学学报(理学版) 2018(04)
• [22].基于Adaboost算法的人眼检测技术在路考系统中的应用[J]. 汽车与安全 2016(04)
• [23].基于改进Adaboost算法的人脸检测方法[J]. 科技经济导刊 2018(18)
• [24].基于Adaboost和回归树集合技术的疲劳识别研究[J]. 汕头大学学报(自然科学版) 2017(02)
• [25].基于AdaBoost算法的在线连续极限学习机集成算法[J]. 软件导刊 2017(04)
• [26].基于Adaboost的改进多元线性回归算法中长期负荷预测[J]. 太原理工大学学报 2017(05)
• [27].Adaboost人眼定位方法改进与实现[J]. 大连交通大学学报 2017(05)
• [28].基于SVM-Adaboost裂缝图像分类方法研究[J]. 公路交通科技 2017(11)
• [29].基于Adaboost算法的主客观句分类[J]. 长春大学学报 2015(12)
• [30].基于AdaBoost的极限学习机集成算法[J]. 软件导刊 2016(04)

标签：爆破振动论文;  预测论文;  自适应提升算法论文;  主分量分析论文;  支持向量机论文;